1. Trang chủ
  2. » Luận Văn - Báo Cáo

Nhận diện chữ viết tay tiếng việt

57 44 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Nhận diện chữ viết tay tiếng Việt
Tác giả Cao Đức Hựng
Người hướng dẫn PGS.TS. Quản Thành Thơ
Trường học Đại học Quốc gia TP.HCM
Chuyên ngành Khoa học máy tính
Thể loại luận án tốt nghiệp
Năm xuất bản 2015
Thành phố TP.HCM
Định dạng
Số trang 57
Dung lượng 2,38 MB

Nội dung

Ngày đăng: 12/05/2022, 12:34

HÌNH ẢNH LIÊN QUAN

Cấu tạo của một neuron được minh họa bằng hình 2.1. Một neuron sẽ nhận các tín hiệu điện (mức độ mạnh yếu khác nhau) có chứa thông tin từ các khớp thần kinh(synapse) của một hay nhiều neuron khác thông qua các đuôi gai(dendrit) - Nhận diện chữ viết tay tiếng việt
u tạo của một neuron được minh họa bằng hình 2.1. Một neuron sẽ nhận các tín hiệu điện (mức độ mạnh yếu khác nhau) có chứa thông tin từ các khớp thần kinh(synapse) của một hay nhiều neuron khác thông qua các đuôi gai(dendrit) (Trang 22)
Một neuron nhân tạo (perceptron) được cấu tạo bao gồm các thành phần như hình 2.2: - Nhận diện chữ viết tay tiếng việt
t neuron nhân tạo (perceptron) được cấu tạo bao gồm các thành phần như hình 2.2: (Trang 23)
Một mạng neuron đa tầng điển hình thường bao gồm: - Nhận diện chữ viết tay tiếng việt
t mạng neuron đa tầng điển hình thường bao gồm: (Trang 24)
Hình 2.4: Cách thức lấy feature map bằng kernel - Nhận diện chữ viết tay tiếng việt
Hình 2.4 Cách thức lấy feature map bằng kernel (Trang 25)
Hình 2.6: Max pooling với filte r= 2x2 và stride 2 - Nhận diện chữ viết tay tiếng việt
Hình 2.6 Max pooling với filte r= 2x2 và stride 2 (Trang 26)
Hình 2.5: Ví dụ lấy feature map với padding =1 - Nhận diện chữ viết tay tiếng việt
Hình 2.5 Ví dụ lấy feature map với padding =1 (Trang 26)
Hình 2.8: Cấu trúc của mạng neuron hồi quy 2.3.2 Các kiểu hoạt động của mạng neuron hồi quy - Nhận diện chữ viết tay tiếng việt
Hình 2.8 Cấu trúc của mạng neuron hồi quy 2.3.2 Các kiểu hoạt động của mạng neuron hồi quy (Trang 27)
Hình 2.10: Bên trong một module RNN - Nhận diện chữ viết tay tiếng việt
Hình 2.10 Bên trong một module RNN (Trang 28)
Hình 2.11: Bên trong một module LSTM - Nhận diện chữ viết tay tiếng việt
Hình 2.11 Bên trong một module LSTM (Trang 29)
Hình 2.14: Cổng quyết định đầu ra - Nhận diện chữ viết tay tiếng việt
Hình 2.14 Cổng quyết định đầu ra (Trang 30)
Mô hình Sequence to Sequence (seq2seq) [SVL14], hay còn được gọi là mô hình Encoder-Decoder, là một trong những ứng dụng của RNN được trình bày ở trên - Nhận diện chữ viết tay tiếng việt
h ình Sequence to Sequence (seq2seq) [SVL14], hay còn được gọi là mô hình Encoder-Decoder, là một trong những ứng dụng của RNN được trình bày ở trên (Trang 30)
Mục đích của mô hình này là tính xấp xỉ xác suất: p(y 1, ..., ym|x1 , ..., x n ) - Nhận diện chữ viết tay tiếng việt
c đích của mô hình này là tính xấp xỉ xác suất: p(y 1, ..., ym|x1 , ..., x n ) (Trang 31)
Trong một mô hình seq2seq, tại bước decode, vector đầu ra của RNN/LSTM sẽ được đưa qua một hàm Softmax để tìm kiếm token có xác suất lớn nhất - Nhận diện chữ viết tay tiếng việt
rong một mô hình seq2seq, tại bước decode, vector đầu ra của RNN/LSTM sẽ được đưa qua một hàm Softmax để tìm kiếm token có xác suất lớn nhất (Trang 32)
Hình 3.1: Mô hình dự đoán trong bài báo của Alex Graves - Nhận diện chữ viết tay tiếng việt
Hình 3.1 Mô hình dự đoán trong bài báo của Alex Graves (Trang 33)
Bước đầu tiên, là sử dụng mô hình dự đoán và tiên đoán vị trí đặt bút kế tiếp, khi đã biết các nét chữ trước đó - Nhận diện chữ viết tay tiếng việt
c đầu tiên, là sử dụng mô hình dự đoán và tiên đoán vị trí đặt bút kế tiếp, khi đã biết các nét chữ trước đó (Trang 34)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

Các kiểu hoạt động của mạng neuron hồi quy

Kiến trúc mô hình Sequence-to-sequence

Kết quả của mô hình sinh chữ viết tay RNN

Mô hình nhận diện chữ viết tay

Kết quả tổng hợp Nhận diện chữ viết tay Giới hạn và định hướng tương lai

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w