基于生成式对抗网络的文档图像二值化方法研究任务书

 2020-02-18 05:02

1. 毕业设计(论文)主要内容:

生成式对抗网络(gan)是当前人工智能领域的一个新兴热门研究方向,其基本思想源自博弈论的二人零和博弈,由一个生成器和一个判别器构成 , 通过对抗学习的方式来训练,目的是估测数据样本的潜在分布并生成新的数据样本。

文档图像二值化则是文档图像分析和识别流程中的一个重要的步骤,目的为了让计算机更快的、更好地识别文字,需要先对含有噪音的彩色图进行处理,使图片只剩下前景信息与背景信息,可以简单的定义前景信息为黑色,背景信息为白色,这就是二值化图。

当下用于文档图像二值化的方法有很多,除传统的方法外,利用生成式对抗网络的优势进行低质量文档二值化值的方法值得研究。设计的内容将主要包括三个任务:图像资源的采集,模型的建立与优化,算法的详细设计,采用python语言实现。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 毕业设计(论文)主要任务及要求

1)首先采集相关数据集,对其进行分析,数据增强;

2)然后搜集相关资料,建立合适的模型对数据集进行训练,并对模型进行评估和改进;

3)最后利用二值化算法,将需要处理的图像转换为二值化图,以便后续进行字符识别。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

1)2019/1/14—2019/1/22:查阅参考文献,明确选题;

2)2019/1/23—2019/2/22:进一步阅读文献,完成开题报告;翻译英文资料(不少于5000汉字),并交予指导教师检查。

3)2019/2/23—2019/4/30:对采集的相关数据集进行分析,数据增强;模型的建立与改进;二值化算法实现。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1] 王坤峰,苟超,段艳杰. 生成式对抗网络gan的研究进展与展望. 自动化学报,2017,43(3):321-331

[2] 熊炜, 徐晶晶. 基于支持向量机的低质量文档图像二值化. 计算机应用与软件,2018

[3] 林懿伦,戴星原,李力,王晓,王飞跃. 人工智能新前线:生成式对抗网络. 自动化学报,

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。