排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对自然场景下街景门牌号码识别困难的问题,提出了一种基于深度网络模型的WMF-CNN(Convolutional neural network with weighted multi-feature fusion,WMF-CNN)模型.该模型采用加权多层特征图融合的思想,首先利用PCA方法对各特征融合图进行降维,然后再根据它们在网络识别过程中的贡献率给予一定的权值,将加权后的图像细节信息与全局逼近信息进行融合,最后将融合特征送入Soft Max分类器,得到识别结果.在国际公开的SVHN数据集上的实验结果表明,所提模型仅需2.2 h便可完成训练,识别率达到95.6%,优于目前的主流算法.此外,所提模型识别单张图片所需的平均时间约为0.38 ms,适用于实时性要求较高的相关应用. 相似文献
2.
提出了自适应确定动态离散时间序列的最佳重构相空间嵌入维方法,为数据量不断变动的动态离散时间序列数据库实现自动连续分析提供了可能.讨论了在应用Wolf算法计算最大Lyapunov指数时遇到的因追踪轨线追踪到相空间终点而使计算意外终止的问题,提出最大Lyapunov指数的改进求解方法.基于最大Lyapunov指数进行验证性预测,说明了算法的有效性,并进一步分析了算法对实时分析短期稳定的混沌系统具有积极意义. 相似文献
1