-
公开(公告)号：CN107220641B
公开(公告)日：2020-06-26
申请号：CN201610169483.7
申请日：2016-03-22
Abstract: 本发明介绍了一种基于深度学习的多语言文本分类方法。具体包括下列步骤：获取多语言文本训练图像集；图像文本行分割、高度归一化、二值化处理；增加训练图像集复杂度，扩大样本空间；设计深度卷积神经网络，利用训练图像集进行训练；切割拟分类的文本图片，输入所设计的深度卷积神经网络，根据神经网络学习到的概率分布，对概率分布求均值，输出分类结果。本发明通过设计深度卷积神经网络，学习区分多语言文本的特征，能够使计算机对不同语言文本进行精确分类。
-
公开(公告)号：CN107220655A
公开(公告)日：2017-09-29
申请号：CN201610168622.4
申请日：2016-03-22
Abstract: 本发明介绍了一种基于深度学习的手写、印刷文本的分类方法。具体包括下列步骤：(1)数据获取：采集手写、印刷文本图像，以形成训练集；(2)对训练集图像进行二值化、高度归一化处理；(3)泛化样本：对训练集图像进行切割、加噪处理；(4)构造深度卷积神经网络，利用训练集图像对所构造的深度卷积神经网络进行训练；(5)切割拟分类的文本图片，输入步骤(4)所构造的深度卷积神经网络，根据得到的概率分布，对概率分布求均值，输出分类结果。本发明通过深度学习算法从样本中自动学习出手写文本与印刷文本之间的不同特征，能够使计算机智能地对手写文本、印刷文本图像进行分辨。
-
公开(公告)号：CN107220641A
公开(公告)日：2017-09-29
申请号：CN201610169483.7
申请日：2016-03-22
Abstract: 本发明介绍了一种基于深度学习的多语言文本分类方法。具体包括下列步骤：获取多语言文本训练图像集；图像文本行分割、高度归一化、二值化处理；增加训练图像集复杂度，扩大样本空间；设计深度卷积神经网络，利用训练图像集进行训练；切割拟分类的文本图片，输入所设计的深度卷积神经网络，根据神经网络学习到的概率分布，对概率分布求均值，输出分类结果。本发明通过设计深度卷积神经网络，学习区分多语言文本的特征，能够使计算机对不同语言文本进行精确分类。
-
公开(公告)号：CN104840097A
公开(公告)日：2015-08-19
申请号：CN201510204585.3
申请日：2015-04-27
Applicant: 华南理工大学
Abstract: 本发明公开了一种浓度可控的超声波豆浆机装置及其控制方法。装置包括腔体、顶盖、底座、打磨装置、加热装置、检测装置、顶盖显示控制模块和腔体辅助控制模块；所述打磨装置包括机械刀片打磨器和超声打磨器；所述检测装置包括超声发射换能器、超声接收换能器、温度传感器；控制方法中，通过机械切割针对大颗粒物进行打磨，而超声波打磨则可以实现小颗粒的进一步精细化。本发明结合机械切割和超声波打磨的优势，相互补充，缩短打磨时间和提升打磨质量，还使得豆浆打磨得更充分，口感更细腻该装置不仅可以利用超声波的机械效应实现精细打磨和搅拌，还可以通过超声波在豆浆中传播速度的测量获得豆浆浓度的信息，从而实现豆浆浓度的可控化。
-
-
-
Search Results
4
records
(took 0.034 seconds)
