为有效区分手写体与印刷体，提出了一种基于卷积神经网络隐层帧特征的分类方法。基于卷积神经网络，提取隐层帧特征，利用高斯混合模型结合隐马尔可夫模型的方法对该特征进行建模，再通过维特比解码算法判定每帧特征的类别。基于帧特征的识别结果，结合文本行图像信息对识别结果进行后处理，确定最终的手写体和印刷体的区域。在签名文书类文本行图像上，相比基线，所提方法对手写体与印刷体分类的识别率提升10.8%和27.57%。在自然场景、表格和带噪文档行验证了其有效性。
2021-03-18 14:49:33
2.58MB
1
基于matlab多种卷积码及维特比译码下的误码率分析，支持多种类型卷积码，支持多种类型文件源的通信系统仿真
2021-02-24 18:01:39
2KB
1
利用matlab的communication toolbox实现AWGN信道下采用QPSK调制和卷积码编码，然后接收端采用维特比译码并且采用硬判决的系统最终得到的误码率曲线，并且采用BERtool工具将其与理论值进行比较。
2019-12-21 22:16:12
3KB
1
（171,133）卷加码及其2/3、3/4码率删除码的编译码，对比不同码率在不同信噪比条件下的抗噪声性能
2019-12-21 22:09:40
4KB
1