-
公开(公告)号：CN107220641A
公开(公告)日：2017-09-29
申请号：CN201610169483.7
申请日：2016-03-22
Abstract: 本发明介绍了一种基于深度学习的多语言文本分类方法。具体包括下列步骤：获取多语言文本训练图像集；图像文本行分割、高度归一化、二值化处理；增加训练图像集复杂度，扩大样本空间；设计深度卷积神经网络，利用训练图像集进行训练；切割拟分类的文本图片，输入所设计的深度卷积神经网络，根据神经网络学习到的概率分布，对概率分布求均值，输出分类结果。本发明通过设计深度卷积神经网络，学习区分多语言文本的特征，能够使计算机对不同语言文本进行精确分类。
-
公开(公告)号：CN107220641B
公开(公告)日：2020-06-26
申请号：CN201610169483.7
申请日：2016-03-22
Abstract: 本发明介绍了一种基于深度学习的多语言文本分类方法。具体包括下列步骤：获取多语言文本训练图像集；图像文本行分割、高度归一化、二值化处理；增加训练图像集复杂度，扩大样本空间；设计深度卷积神经网络，利用训练图像集进行训练；切割拟分类的文本图片，输入所设计的深度卷积神经网络，根据神经网络学习到的概率分布，对概率分布求均值，输出分类结果。本发明通过设计深度卷积神经网络，学习区分多语言文本的特征，能够使计算机对不同语言文本进行精确分类。
-
公开(公告)号：CN107220655A
公开(公告)日：2017-09-29
申请号：CN201610168622.4
申请日：2016-03-22
Abstract: 本发明介绍了一种基于深度学习的手写、印刷文本的分类方法。具体包括下列步骤：(1)数据获取：采集手写、印刷文本图像，以形成训练集；(2)对训练集图像进行二值化、高度归一化处理；(3)泛化样本：对训练集图像进行切割、加噪处理；(4)构造深度卷积神经网络，利用训练集图像对所构造的深度卷积神经网络进行训练；(5)切割拟分类的文本图片，输入步骤(4)所构造的深度卷积神经网络，根据得到的概率分布，对概率分布求均值，输出分类结果。本发明通过深度学习算法从样本中自动学习出手写文本与印刷文本之间的不同特征，能够使计算机智能地对手写文本、印刷文本图像进行分辨。
-
公开(公告)号：CN104636755A
公开(公告)日：2015-05-20
申请号：CN201510059798.1
申请日：2015-01-31
Applicant: 华南理工大学
Abstract: 本发明提供一种基于深度学习的人脸美丽评价方法。该方法包括：(1)获取训练人脸图像集和测试人脸图像集；(2)通过特征学习对训练人脸图像集学习人脸美丽特征，并用卷积模版对原始图像进行卷积形成多个特征图；(3)把得到的特征图作为输入，利用同样特征学习方法学习第二层卷积模版，并用卷积模版对(2)得到的特征图进行卷积形成多个特征图；(4)对得到的特征图二值化编码，在局部区域计算统计直方图，然后把所有的局部区域统计直方图拼接成一张人脸图像的特征；(5)把人脸的美丽评价量化为多个等价形成，用SVM分类器分类得出评价结果。本发明通过深度学习算法从样本中自动学习出人脸美丽特征，使计算机智能地对人脸美丽进行评价。
-
-
-
Search Results
4
records
(took 0.029 seconds)
