资料下载
×
如何解决数字识别算法再能对单一类型数字进行识别
消耗积分:0 |
格式:rar |
大小:0.93 MB |
2018-12-20
分享资料个
现有的数字识别算法多是对单一类型数字进行识别，无法应对识别多源数字。针对包含手写体数字与数码管数字的字符识别场景，提出一种基于改进卷积神经网络（ CNN）的多源数字识别算法。首先，使用从数显仪表生产企业现场采集的样本，结合MINIST数据集，建立起包含手写体和数码管的混合数据集；然后，考虑更好的鲁棒性，提出一种改进的CNN，并用上述混合数据集对其训练，实现了一个网络识别多类型数字；最后，训练好的神经网络模型被成功应用于RoboMaster机甲大赛的多源数字识别场景中。测试结果表明，所提算法整体识别准确率稳定且较高，具有较好的鲁棒性和泛化能力。
随着经济的发展和社会的进步，生活中数字的应用越来越广泛，使用场景也越来越丰富，对应的自然场景数字识别需求也迅速增长，其中也有多种类型数字混合的场景识别需求。例如，电测量数字显示仪表的印刷电路板检测中，板载电子元器件上有多种不同类型阿拉伯数字，仪表上电显示的数字为八段数码管。又如，图1（a）所示的报销单识别中，单据既包含打印体的金额、日期编号等信息，又包含修改的数量、金额等手写数字信息。因此，研究多种类型混合数字的识别有较高的现实意义和经济价值。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
