| 基于深度學(xué)習(xí)的可視化圖表分類方法研究 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：wwei | |
| 文檔大小：205 K | |
| 標(biāo)簽： 圖表分類 圖表理解 卷積神經(jīng)網(wǎng)絡(luò) | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：可視化圖表的分類研究對(duì)于圖表理解和文檔解析具有很大的意義。分別通過爬蟲和軟件生成的方式，構(gòu)建了兩個(gè)包含16類常見圖表的數(shù)據(jù)集，該數(shù)據(jù)集在數(shù)量、類型和樣式豐富性上具有一定的優(yōu)勢(shì)。在3個(gè)數(shù)據(jù)集上實(shí)驗(yàn)對(duì)比了Transformer架構(gòu)和卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)的模型，結(jié)果表明Transformer架構(gòu)在圖表分類任務(wù)上具有一定優(yōu)勢(shì)。基于Swin Transformer模型，設(shè)計(jì)了多種數(shù)據(jù)增強(qiáng)策略，在增加模型泛化性的同時(shí)也引入了分布差異；通過對(duì)不同策略訓(xùn)練出的模型預(yù)測(cè)進(jìn)行均值融合，同單模型相比分類性能有較大提升。在6個(gè)測(cè)試集上對(duì)集成模型進(jìn)行了測(cè)試，分類準(zhǔn)確率均大于0.9；對(duì)于圖像質(zhì)量高、視覺形式簡(jiǎn)單的生成圖表，模型分類準(zhǔn)確率接近1。 | |
| 現(xiàn)在下載 | |
| VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
圖表分類 相關(guān)資源
wwei 的最新分享
- 芯片搭載試驗(yàn)數(shù)據(jù)存儲(chǔ)與傳輸系統(tǒng)設(shè)計(jì)
- 航天發(fā)射任務(wù)場(chǎng)景快速構(gòu)建方法研究
- 利用STK和MATLAB互聯(lián)實(shí)現(xiàn)低傾角衛(wèi)星軌道優(yōu)化設(shè)計(jì)
- 氣象衛(wèi)星掩星探測(cè)載荷智能自動(dòng)化測(cè)試系統(tǒng)研究
- 基于FPGA的梳狀譜通信干擾信號(hào)設(shè)計(jì)與研究
- 基于手勢(shì)識(shí)別的視力檢測(cè)系統(tǒng)設(shè)計(jì)
- 多通道大功率氮化鎵T/R組件模塊散熱技術(shù)研究
- 基于信號(hào)置信度的礦井定位方法研究
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2