盲文識(shí)別是盲文信息處理研究中非常關(guān)鍵的一步。不僅對(duì)盲文工作者有十分重要的意義,在實(shí)際生活中,也有助于促進(jìn)盲人和明眼人間的溝通交流,推動(dòng)我國(guó)信息無障礙事業(yè)的發(fā)展。由于傳統(tǒng)的盲文識(shí)別方法受到環(huán)境和設(shè)備的影響較大,且人力標(biāo)注樣本成本過高,不能實(shí)現(xiàn)盲文的自動(dòng)識(shí)別,因此發(fā)展有效的盲文識(shí)別方法對(duì)于我國(guó)信息無障礙的發(fā)展具有重要意義。目前已有深度學(xué)習(xí)方法應(yīng)用于盲文識(shí)別的研究,且實(shí)現(xiàn)了盲文的自動(dòng)識(shí)別,但是目前深度學(xué)習(xí)在盲文識(shí)別領(lǐng)域的研究還是基于研究者自己制作的數(shù)據(jù)集,盲文圖片相對(duì)規(guī)范,尚未有公開的盲文公共數(shù)據(jù)集來驗(yàn)證算法的有效性�？紤]到采集盲文圖片時(shí)局限性較多且有一定的條件限制,因而現(xiàn)實(shí)中得到的盲文圖像數(shù)據(jù)集通常規(guī)模較小且識(shí)別難度較大,進(jìn)而需要研發(fā)一個(gè)盲文識(shí)別模塊來解決公共盲文圖像數(shù)據(jù)集的制作及現(xiàn)實(shí)場(chǎng)景下的盲文圖像數(shù)據(jù)集識(shí)別問題。深度遷移學(xué)習(xí),作為目前主流的機(jī)器學(xué)習(xí)算法,已經(jīng)在很多實(shí)際場(chǎng)景應(yīng)用中都取得了成功,因此,本文在已有的盲文識(shí)別算法的基礎(chǔ)上,從現(xiàn)實(shí)場(chǎng)景下盲文圖像數(shù)據(jù)集識(shí)別的角度出發(fā),利用現(xiàn)有的規(guī)模較大、規(guī)范程度較高的盲文圖像數(shù)據(jù)集,引入深度遷移學(xué)習(xí)方法,建立了實(shí)用性更強(qiáng)的盲文圖像識(shí)別模型。本文主要... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 本文主要工作介紹
    1.4 論文體系結(jié)構(gòu)
第二章 盲文識(shí)別相關(guān)技術(shù)
    2.1 圖像識(shí)別及盲文圖像識(shí)別的發(fā)展
    2.2 深度學(xué)習(xí)
        2.2.1 深度學(xué)習(xí)介紹
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.3 深度學(xué)習(xí)在圖像識(shí)別領(lǐng)域的應(yīng)用
    2.3 深度遷移學(xué)習(xí)
        2.3.1 遷移學(xué)習(xí)介紹
        2.3.2 深度遷移學(xué)習(xí)在圖像識(shí)別領(lǐng)域的應(yīng)用
    2.4 本章小結(jié)
第三章 基于域自對(duì)齊的深度遷移學(xué)習(xí)方法
    3.1 引言
        3.1.1 領(lǐng)域自對(duì)齊
        3.1.2 最大均值差異
        3.1.3 聯(lián)合最大均值差異
    3.2 基于域自對(duì)齊的深度遷移學(xué)習(xí)算法（DAA）
    3.3 實(shí)驗(yàn)設(shè)置
        3.3.1 環(huán)境搭建
        3.3.2 超參數(shù)設(shè)置
        3.3.3 數(shù)據(jù)集介紹
    3.4 遷移網(wǎng)絡(luò)模型搭建
        3.4.1 第一種遷移網(wǎng)絡(luò)模型（GoogleNet+4MMD）
        3.4.2 第二種遷移網(wǎng)絡(luò)模型（GoogleNet+4MMD+all DA）
        3.4.3 第三種遷移網(wǎng)絡(luò)模型（GoogleNet+4MMD+4DA）
        3.4.4 第四種遷移網(wǎng)絡(luò)模型（GoogleNet+4MMD+1DA）
        3.4.5 第五種遷移網(wǎng)絡(luò)模型（GoogleNet+4JMMD）
        3.4.6 第六種遷移網(wǎng)絡(luò)模型（GoogleNet+4JMMD+1DA）
        3.4.7 模型分析
    3.5 結(jié)果討論
        3.5.1 參數(shù)敏感性測(cè)試
        3.5.2 實(shí)驗(yàn)結(jié)果及分析
size的選取">        3.5.3 batch_size的選取
    3.6 本章小結(jié)
第四章 盲文信息無障礙建設(shè)中的盲文圖片識(shí)別研究
    4.1 盲文信息無障礙建設(shè)
    4.2 盲文圖像識(shí)別
        4.2.1 數(shù)據(jù)集
        4.2.2 數(shù)據(jù)集預(yù)處理
        4.2.3 實(shí)驗(yàn)軟硬件環(huán)境介紹
        4.2.4 深度學(xué)習(xí)框架Caffe
        4.2.5 實(shí)驗(yàn)思路
        4.2.6 實(shí)驗(yàn)細(xì)節(jié)及參數(shù)設(shè)置
    4.3 深度遷移學(xué)習(xí)方法用于盲文圖像識(shí)別
        4.3.1 利用AlexNet網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行盲文圖像識(shí)別
        4.3.2 利用GoogleNet網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行盲文圖像識(shí)別
        4.3.3 實(shí)驗(yàn)分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：2912535