返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 醉染图书深度实践OCR 基于深度学习的文字识别9787111654049
  • 正版全新
    • 作者: 刘树春 等著 | 刘树春 等编 | 刘树春 等译 | 刘树春 等绘
    • 出版社: 机械工业出版社
    • 出版时间:2020-05-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    醉染图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    新春将至,本公司假期时间为:2025年1月23日至2025年2月7日。2月8日订单陆续发货,期间带来不便,敬请谅解!

    商品参数
    • 作者: 刘树春 等著| 刘树春 等编| 刘树春 等译| 刘树春 等绘
    • 出版社:机械工业出版社
    • 出版时间:2020-05-01
    • 版次:1
    • 印次:1
    • 页数:312
    • 开本:16开
    • ISBN:9787111654049
    • 版权提供:机械工业出版社
    • 作者:刘树春 等
    • 著:刘树春 等
    • 装帧:平装
    • 印次:1
    • 定价:89.00
    • ISBN:9787111654049
    • 出版社:机械工业出版社
    • 开本:16开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2020-05-01
    • 页数:312
    • 外部编号:1202067126
    • 版次:1
    • 成品尺寸:暂无



    前言

    章 绪论

    1.1 人工智能大潮中的OCR发展史

    1.1.1 传统OCR方法般程

    1.1.2 基于深度学习OCR方法般程

    1.2 文字检测

    1.3 文字识别

    1.4 产业应用现状

    1.5 本章小结

    1.6 参考文献

    第2章 图像预处理

    2.1 二值化

    2.1.1 全局阈值方法

    2.1.2 局部阈值方法

    2.1.3 基于深度学习的方法

    2.1.4 方法

    2.2 平滑去噪

    2.2.1 空间滤波

    2.2.2 小波阈值去噪

    2.. 非局部方法

    2.2.4 基于神经网络的方法

    . 倾斜角检测和校正

    ..1 霍夫变换

    ..2 Radon变换

    .. 基于PCA的方法

    2.4 实战

    2.5 参考文献

    第3章 传统机器学习方绪

    3.1 特征提取方法

    3.1.1 基于结构形态的特征提取

    3.1.2 基于几何分布的特征提取

    3.2 分类方法模型

    3.2.1 支持向量机

    3.2.2 K近邻算法

    3.. 多层感知器

    3.3 实战:身份号码的识别

    3.3.1 核心代码

    3.3.2 测试结果

    3.4 本章小结

    3.5 参考文献

    第4章 深度学习基础知识

    4.1 单层神经网络

    4.1.1 神经元

    4.1.2 感知机

    4.2 双层神经网络

    4.2.1 双层神经网络简介

    4.2.2 常用的激活函数

    4.. 反向传播算法

    4.3 深度学习

    4.3.1 卷积神经网络

    4.3.2 常用优化算法

    4.4 训练网络技巧

    4.4.1 权值初始化

    4.4.2 L1/L2正则化

    4.4.3 Dropout

    4.5 实战

    4.6 参考文献

    第5章 数据生成

    5.1 背景介绍

    5.2 传统单字OCR数据生成

    5.3 基于深度学习的OCR数据生成

    5.3.1 文字检测数据的生成

    5.3.2 检测图片生成

    5.3.3 方法

    5.3.4 识别数据生成

    5.4 通过GAN的技术生成数据

    5.4.1 GAN背景介绍

    5.4.2 GAN的原理

    5.4.3 GAN的变种

    5.5 图像增广

    5.5.1 常用的图像方法

    5.5.2 深度学习方法

    5.6 常用的开源数据集

    5.7 CAR的任务和数据集

    5.8 本章小结

    5.9 参考文献

    第6章 深度学习不错方法

    6.1 图像分类模型

    6.1.1 LeNet

    6.1.2 AlexNet

    6.1.3 VGGNet

    6.1.4 GoogLeNet

    6.1.5 ResNet

    6.1.6 DenseNet

    6.1.7 SENet

    6.1.8 轻量化网络

    6.2 循环神经网络

    6.2.1 RNN网络

    6.2.2 GRU

    6.. GRU的实现

    6.2.4 LSTM网络

    6.3 Seq2Seq

    6.4 CTCLoss

    6.4.1 算法详解

    6.4.2 前向传播

    6.4.3 后向传播

    6.4.4 前向/后向算法

    6.4.5 CTC算法特

    6.4.6 代码解析

    6.5 Attention

    6.6 本章小结

    6.7 参考文献

    第7章 文字检测

    7.1 研究意义

    7.2 目标检测方法

    7.2.1 目标检测相关术语

    7.2.2 传统检测方法

    7.. Two-stage方法

    7.2.4 One-stage方法

    7.3 文本检测方法

    7.3.1 传统文本检测方法

    7.3.2 基于深度学习的文本检测方法

    7.4 本章小结

    7.5 参考文献

    第8章 字符识别

    8.1 任务概览

    8.2 数据集说明

    8.2.1 数据集意义

    8.2.2 常见识别数据集介绍

    8.3 评测指标

    8.3.1 编辑距离

    8.3.2 归一化编辑距离

    8.3.3 字符准确度

    8.3.4 词准确率

    8.3.5 语境相关的评测方式

    8.4 主流算法介绍

    8.4.1 传统光学方法

    8.4.2 完全基于深度学习的方法

    8.5 CRNN模型实战

    8.5.1 简介

    8.5.2 运行环境

    8.5.3 测试部分讲解

    8.5.4 测试运行结果

    8.5.5 训练部分

    8.5.6 用CAR2013数据集训练CRNN模型

    8.6 本章小结

    8.7 参考文献

    第9章 OCR后处理方法

    9.1 文本纠错

    9.1.1 BK-tree

    9.1.2 基于语言模型的中文纠错

    9.2 文本结构化

    9.2.1 模板匹配

    9.2.2 文本分类

    9.3 本章小结

    9.4 参考文献

    0章 版面分析

    10.1 版面分析详解

    10.2 复杂版面识别

    10.3 文档恢复

    10.4 本章小结

    10.5 参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购