10.3969/j.issn.2095-2783.2020.04.015
古籍汉字图像的可变形卷积网络检索模型
针对现有图像检索技术应用于古籍汉字图像时效果欠佳的问题,在传统卷积神经网络(convolutional neural networks,CNN)的基础上,引入可变形卷积构建适用于古籍汉字图像的CNN模型.首先,利用该模型对古籍汉字图像数据集进行特征提取;然后,利用主成分分析法对特征进行降维;最后,度量查询图像和候选图像的余弦相似度,排序并返回结果.所提出的检索方法在古籍汉字图像数据集上的平均精度均值达到70.42%,平均检索用时为3.15 s.实验结果表明,该模型能够有效地提取古籍汉字图像的特征,提高了检索方法的准确率,在古籍汉字图像检索领域具有一定优势.
计算机图像处理、古籍汉字图像检索、卷积神经网络、可变形卷积、主成分分析
15
TP391.4(计算技术、计算机技术)
河北省高等学校科学技术研究重点项目ZD2017208
2020-06-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
461-468