第一个书签之前
第一章 绪论
1.1课题研究背景介绍
1.1.1 课题背景概述
1.1.2 验证码背景介绍
1.1.3 人工智能、机器学习和深度学习相关背景介绍
1.2 课题研究的意义
1.3中文验证码识别研究现状介绍
1.4 本文的主要工作和内容安排
1.4.1 主要工作
1.4.2 内容安排
第二章 人工神经网络
2.1 神经网络结构简介
2.2 梯度下降
2.2.1 方向导数与梯度
2.2.2 梯度下降算法
2.2.3 自适应学习率算法
2.3反向传播
2.4 激活函数
2.4.1 sigmoid激活函数
2.4.2 tanh激活函数
2.4.3.ReLU函数及其变种函数
2.4.4 Softplus函数
2.5 欠拟合、过拟合及其解决方法
2.5.1 偏差与方差
2.5.2 欠拟合与过拟合
2.5.3 解决过拟合的方法
2.6 模型验证
第三章 卷积神经网络介绍
3.1 卷积神经网络的背景
3.2 CNN在图像识别方向上的应用
3.2.1 人脸识别
3.2.2 风格迁移
3.2.3车牌识别
3.2.4 其他
3.3 卷积神经网络特点概述
3.3.1 局部连接性
3.3.2 参数共享
3.3.3 降采样
3.3.4 网络层次结构
3.3.5 卷积与池化的多层叠加性
3.4 LeNet-5模型
第四章 中文验证码识别实例
4.1 实验平台及数据量描述
4.1.1硬件描述
4.1.2软件描述
4.1.3实验数据量描述
4.2 图片预处理
4.2.1 灰度化与二值化
4.2.2 去噪
4.2.3 切块
4.2.4 分类贴标签及预处理效果
4.3 图片识别过程
4.3.1 相似度模板匹配方法
4.3.2基于卷积神经网络的识别
4.3.3 样本增强
4.3.4 激活函数选择的对比研究
4.3.5 优化器选择的对比研究
4.3.6 Batch Normalization与Dropout作用对比
4.4 实验结果说明
4.5 三种方法结果对比
4.6 研究结论
第五章 相关工作及展望
5.1 工作总结
5.2 不足与展望
参考文献
