Jul, 2022

手写文字识别的 2D 自组织 ONN 模型

PDF
TL;DR本研究提出了一种新的神经网络模型，其中包含了 2D 自组织 ONNs 和可变形卷积。在 IAM 英语数据集和 HADARA80P 阿拉伯语数据集上，将 Self-ONNs 操作层与可变形卷积相结合，大幅减少了字符错误率和词错误率，且性能显著优于传统深度 CNN 模型。
deep convolutional neural networkshandwritten text recognitionoperational neural networksself-organized onnsdeformable convolutions
发现论文，激发创造
  • 自组织运行神经网络用于严重图像恢复问题

    本文提出了一种基于 Taylor 级数近似的自组织操作神经网络 Self-ONNs，旨在解决卷积神经网络在图像复原方面的不足问题，并在三个不同的复原任务上进行了广泛的消融实验以证明其优越性。

    Aug, 2020

  • 面向操作的神经网络用于用户响应预测

    ONN 是一种新的神经模型，可以针对不同的操作学习不同的表示，用于用户响应预测，广告系统和推荐系统的高维稀疏特征中的特征交互，实验结果表明 ONT 可以优于现有模型。

    Apr, 2019

  • 光学神经网络

    本文提出一种新的光学神经网络（ONN）框架，模拟人眼视网膜中心附近的高分辨率，实现了图像分类估计的标量不变性，并且通过同维孪生（Siamese）结构将不同缩放级别的图像输入通过相同的卷积神经网络（CNN）进行处理，最终的结果可用于提高现有算法中的准确性。

    May, 2018

  • 振荡神经网络作为异质 - 联想记忆在图像边缘检测中的应用

    研究使用 Oscillatory Neural Networks 作为异联想记忆（HAM）的图像边缘检测方法，可以在边缘设备上节省能源，同时具有相对较高的速度和精度。

    Feb, 2022

  • 关于深度操作网络的训练和泛化

    我们提出了一种新颖的深度算子网络（DeepONets）的训练方法，通过将整个复杂训练任务分解为两个简化的子任务，首先训练主干网络，然后顺序训练分支网络，并引入了格拉姆 - 施密特正交化过程以提高稳定性和泛化能力。

    Sep, 2023

  • 非本土手写字符的卷积神经网络分类

    利用卷积神经网络（CNNs）对非母语使用者书写的英文字母进行分类识别，借助 HIEC 数据集训练了一个定制的 CNN 模型，并通过调整超参数进行了消融研究，结果显示该模型在字符识别准确性方面优于其他模型，达到了 97.04% 的准确度，相对于次优模型提升了 4.38%。

    Jun, 2024

  • 基于领域知识的改进式深度卷积神经网络用于在线手写中文字符识别

    本研究提出了一种使用区域特定知识增强的深度卷积神经网络识别手写汉字的方法，在 CASIA-OLHWDB1.0 和 CASIA-OLHWDB1.1 数据集上分别取得了 97.20% 和 96.87% 的精度，优于以往报道结果。

    May, 2015

  • DroneNet：利用自我组织神经网络的异构无人机实现人群密度估计

    本文针对公共场所的人群密度估计问题，提出了一种基于自组织神经网络和无人机的新型算法 DroneNet，应用了深度学习和卷积神经网络技术，结果表明该算法在等效 CNN 模型基础上性能更优。

    Nov, 2022

  • 离线手写中文文本识别与卷积神经网络

    本文研究基于深度学习的方法在离线手写中文文本识别领域的应用，使用只有卷积神经网络的模型和 CTC 损失函数实现，采用 Dropout 方法以防止过拟合，最终在 ICDAR 2013 竞赛数据集上实现了 6.81% 的字符错误率，为同等条件下最好的研究结果。

    Jun, 2020

  • AON：面向任意方向的文本识别

    本文介绍了一种用于识别自然图像中非规则排列文字的新方法，称为任意方向网络（AON），它采用深度学习技术和注意力解码器来生成字符序列，并在多个数据集上取得了最新的性能。

    Nov, 2017