一种工程图纸类文档识别分类的技术研究_第1页
一种工程图纸类文档识别分类的技术研究_第2页
一种工程图纸类文档识别分类的技术研究_第3页
一种工程图纸类文档识别分类的技术研究_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

Withthedevelopmentofmodernengineeringconstruction,engineeringdrawingshavegraduallybecomeanindispensablepartofengineeringconstruction.However,inthemanagementofengineeringdrawings,manualidentificationandclassificationaretime-consuming,laborious,andpronetoerrors,whichisnotconducivetotheprogressofengineeringprojects.Therefore,thispaperstudiesacomputervisionbasedengineeringdrawingrecognitionandclassificationtechnology,whichcanachievefastandaccuraterecognitionandclassificationofengineeringdrawingsthroughimagepreprocessing,featureextractionandclassificationrecognition.Experimentalresultsshowthatthetechnologyhashighaccuracyandrobustness,andhasgoodapplicationKeywords:engineeringdrawing;recognitionandclassification;computervision;featureextraction;classifier类。主要采用了一些经典的分类算法，例如支持向量机、k近邻算法等。行工程图纸的识别分类。深度学习技术具有较好的自适应性和泛化能力，可以很好地解决传统方法中存在的问题。提取。二值化可以将图像中的像素转化为二值图，保留目标物体的特征，去除背景噪声。去噪可以消除图像中的噪声，保留图像中的关键信息，在经过预处理后，我们需要对图像提取特征，以便对图像进行分类。特征提取方法需要选择合适的特征，从图像中提取关键信息。在图像中自适应地对局部区域进行特征提取，并生成稳定、且不受旋转、缩放变换影响的特征。我们选择了FT特征描述器进行特征提取。常用的分类器包括支持向量机、k近邻、决策树等。在本文中，我们采用了支持向量机（SVM）进行分类。SVM是一种二分类方法，在训练时，SVM可以找到一个最优超平面，将不同类别的样本分割开来。在测试时，SVM可以根据新的样本特征值，在超平面上本文在含有9类工程图纸的数据集上进行了实验。我们将

人人文库> 全部分类> 图纸下载 > 毕业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论