-
题名一种用于手写数字分割的滴水算法的改进
被引量:9
- 1
-
-
作者
马瑞
杨静宇
-
机构
南京理工大学计算机系
-
出处
《小型微型计算机系统》
CSCD
北大核心
2007年第11期2110-2112,共3页
-
基金
基础研究基金项目(J1500C002)资助
-
文摘
在分析传统滴水算法针对共用粘连字符分割存在不足的基础上,提出一种改进的渗漏过程.该方法首先对字符的笔划粘连部分利用距离变换提取出中心线,并通过计算字符笔划的倾斜角度来指导水滴在中心线上端和下端的渗漏方向,最终形成一条较长倾斜的分割路径,避免了因垂直分割而造成的字符断裂.实验结果中分割效果较好,表明该方法的有效性.
-
关键词
手写数字分割
滴水算法
距离变换
-
Keywords
handwritten numerals segmentation
drop fall algorithm
distance transform
-
分类号
TP391.43
[自动化与计算机技术—计算机应用技术]
-
-
题名基于LeNet-5的试卷手写分数无分割识别方法
被引量:1
- 2
-
-
作者
王洪申
李昌德
-
机构
兰州理工大学机电工程学院
-
出处
《计算机仿真》
北大核心
2023年第2期459-465,共7页
-
基金
国家自然科学基金(61962035)。
-
文摘
研究了LeNet-5网络识别试卷计分栏手写分数的无分割识别算法。先将高拍仪获取的试卷计分栏图像运用ROI区域选择和连通域处理等图像处理算法将其中手写的各分数截取出来,形成单独的图像,然后将图像归一化,并将格式转化为csv文件,后把这些csv数据输入训练好的LeNet-5网络实现识别。在训练LeNet-5网络时,不断修改该网络的batch、learning rate、epoch和权重数量等参数,提高识别效果。对于无分割字符识别,卷积神经网络需进行100分类(即0-99,不考虑100分的试卷),将全连接层神经元数量设置为100。为了提高试卷识别分数效果,将试卷计分栏各题号的理论总分也输入卷积神经网络,并将该数据作为误分类的一个筛选,提高了分类准确性。采用以上系列方法,对500份学生试卷的手写分数识别,正确率达93.20%。将以上方法应用于试卷分数统计系统,可以大幅度提高试卷分数的统计速度并降低教师的劳动强度。
-
关键词
无分割的手写数字识别
卷积神经网络
计算机辅助阅卷
-
Keywords
Undivided handwritten numeral recognition
Convolutional neural network
Computer aided marking
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于背景分析的手写数字切分方法
被引量:2
- 3
-
-
作者
马瑞
夏永泉
杨静宇
-
机构
南京理工大学计算机系
-
出处
《计算机科学》
CSCD
北大核心
2007年第1期198-200,207,共4页
-
基金
国防基础研究项目(编号:J1500C002)基金资助
-
文摘
考虑到手写数字串的结构特点,提出一种以分析特定背景区域为主,针对具体粘连数字采用不同分割策略的切分方法。文中引入蓄水池的概念来形象描绘出背景区域中字符间的粘连部分,并从中抽取某些特征对字符的具体粘连形态进行了归纳分类。在分割过程中,根据字符的粘连类型选用不同的滴水算法来求得分割路径。实验结果表明了该方法对于手写数字分割的有效性。
-
关键词
手写数字分割
背景分析
蓄水池
滴水算法
-
Keywords
Handwritten numerals segmentation, Background analysis, Water reservoir concept, Drop fall algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-