CASIA OpenIR

浏览/检索结果: 共7条,第1-7条 帮助

限定条件                    
已选(0)清除 条数/页:   排序方式:
中文手写文本行识别 学位论文
, 北京: 中国科学院研究生院, 2017
作者:  吴一超
Adobe PDF(3169Kb)  |  收藏  |  浏览/下载:567/8  |  提交时间:2018/01/04
中文手写文本行识别  神经网络语言模型  卷积神经网络形状模型  递归神经网络识别框架  
网络图像中合成文本检测及版面分割方法研究 学位论文
, 北京: 中国科学院研究生院, 2016
作者:  陈凯
Adobe PDF(11643Kb)  |  收藏  |  浏览/下载:387/9  |  提交时间:2016/07/14
合成文本检测  局部对比度分割  多方向文本行提取  条件随机场  版面分割  背景矩形分析  
大类别集分类与自适应及其在汉字识别中的应用 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2013
作者:  张煦尧
Adobe PDF(2928Kb)  |  收藏  |  浏览/下载:340/1  |  提交时间:2015/09/02
大类别集模式分类  手写汉字识别  降维  局部平滑  修正二次判别函数  分类器自适应  风格迁移映射  模式域分类  Large Category Classification  Handwritten Chinese Character Recognition  Dimensionality Reduction  Local Smoothing  Mqdf  Adaptation  Style Transfer Mapping  Pattern Field Classification  
脱机手写中文文本识别方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2012
作者:  王秋锋
Adobe PDF(13725Kb)  |  收藏  |  浏览/下载:287/0  |  提交时间:2015/09/02
手写文本识别  路径评价准则  路径搜索算法  语言模型自适应  常识知识  Handwritten Text Recognition  Path Evaluation Criterion  Path Search Method  Language Model Adaptation  Common Sense Knowledge  
基于高斯混合模型的高维数据概率密度估计 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2011
作者:  刘晓华
Adobe PDF(1732Kb)  |  收藏  |  浏览/下载:680/0  |  提交时间:2015/09/02
概率密度估计  高斯混合模型  Em算法  共享子空间混合密度模型  鉴别学习  最小分类错误准则  梯度下降  模型选择  启发式交叉验证  Probability Density Estimation  Gaussian Mixture Model  Em Algoithm  Pooled Subspace Mixture Density Model  Discriminative Learning  Minimum Classification Error Criterion  Gradient Descent  Model Selection  Heuristic Cross-validation  
流形学习方法及其在模式分类中的应用研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2011
作者:  仲国强
Adobe PDF(2465Kb)  |  收藏  |  浏览/下载:223/0  |  提交时间:2015/09/02
流形学习  模式分类  潜变量模型  特征提取  距离测度学习  半监督学习  Manifold Learning  Pattern Classification  Latent Variable Models  Feature Extraction  Distance Metric Learning  Semi-supervised Learning  
自然场景图像中的文本检测方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2010
作者:  潘屹峰
Adobe PDF(4472Kb)  |  收藏  |  浏览/下载:359/2  |  提交时间:2015/09/02
文本检测  文本定位  级联adaboost分类器  条件随机场  “由粗至精”策略  Text Detection  Text Localization  Cascade Adaboost  Conditional Random Field (Crf)  "coarse-to-fine" Strategy