CN110390326A 一种基于集聚交叉熵损失函数的序列识别方法 （华南理工大学）_第1页
CN110390326A 一种基于集聚交叉熵损失函数的序列识别方法 （华南理工大学）_第2页
CN110390326A 一种基于集聚交叉熵损失函数的序列识别方法 （华南理工大学）_第3页
CN110390326A 一种基于集聚交叉熵损失函数的序列识别方法 （华南理工大学）_第4页
CN110390326A 一种基于集聚交叉熵损失函数的序列识别方法 （华南理工大学）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

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

一种基于集聚交叉熵损失函数的序列识别本发明公开了一种基于集聚交叉损失函数的部分进行训练；把步骤A中的自然场景文本识别数据、步骤C中的标签数据输入到预先设计好2C2、将所述训练样本的标签均记录到文本文件中，并统计所述标签C3、将所述合成训练样本的数据作为训练集，并将自然场k即为类别k的预测数量；uo---wN=T-ISI;3E1、构建卷积神经网络：输入图像(96*100)→64C3→MP22→128C3→MP22→256C3→E6、训练卷积神经网络：将C1中合成训练样本对7.根据权利要求1所述的基于新设计的集聚交叉损失函数应用于序列识别的方案，其F1、将测试集中的图片输入到已经训练好的网络中进行识别4导致非常耗时耗力的预处理和后处理工作。近期受到欢迎的时序分类连结损失函数(CTC)和注意力机制(Attention)不需要输入图片和对应的标签序列有一一对应的关系，因此对[0009]D、建立集聚交叉损失函数：通过监督网络预测所述自然场景文本数据的字符类5的数量，通过累计每个类别k在全部时间点T的概率作为该类别的预测数量，也即k即为类别k的预测数量。N:=T-ISI;[0029]E1、构建卷积神经网络：图像(96*100)→64C3→MP22→128C3→MP22→256C3→67[0059]D、建立集聚交叉损失函数：通过监督网络预测所述自然场景文本数据的字符类的数量，通过累计每个类别k在全部时间点T的概率作为该类别的预测数量，也即y=-1,k即为类别k的预测数量。uo---wuo---wN=T-ISI;8[0070]E1、构建卷积神经网络：输入(96*100)→64C3→MP22→128C3→MP22→256C3→9

人人文库> 全部分类> 行业资料 > 信息产业

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