基于改进卷积神经网络的图像数字识别方法研究 |
| |
作者姓名: | 王耀宗 张易诚 康宇哲 沈炜 |
| |
作者单位: | 浙江理工大学计算机科学与技术学院 |
| |
摘 要: | 针对试卷分数的统计问题,采用一种带有特殊分值框的试卷,并提出了一种基于改进卷积神经网络的识别统计方法。首先基于YOLO目标检测算法对分值框进行定位,并引入膨胀卷积模块丰富感受野、调整边框损失函数、提高收敛速度,然后基于ResNet卷积神经网络对分数进行识别,并融合注意力机制提高特征提取能力。实验结果表明,经改进的模型对1 000份试卷中题目分数的识别准确率为99.2%,可以准确、高效地识别试卷图像中的分数。
|
关 键 词: | 目标检测 损失函数 ResNet 注意力机制 试卷分数识别 |
|
|