声明
摘要
第一章绪论
1.1研究背景及意义
1.2相关研究现状
1.2.1基于连通域的方法
1.2.2基于深度学习的方法
1.3论文主要内容
1.4论文篇章结构
第二章相关技术概述
2.1基于连通域的方法
2.1.1最大稳定极值区域算法
2.1.2笔画宽度变换算法
2.2基于深度学习的方法
2.2.1神经网络基础
2.2.2 YOLOv3模型
2.3本章小结
第三章改进的笔画宽度变换算法
3.1算法流程
3.2图像预处理
3.2.1灰度化
3.2.2二值化
3.2.3平滑滤波
3.2改进的SWT算法
3.2.1轮廓提取
3.2.2笔画宽度图
3.3实验结果与分析
3.3.1数据集
3.3.2实验与分析
3.4本章小结
第四章改进的YOLOv3模型
4.1 k-means聚类算法
4.1.1传统k-means聚类算法
4.1.2 k-means++算法
4.2激活函数
4.3损失函数
4.4模型融合
4.5实验结果及分析
4.5.1数据集及运行环境
4.5.2实验结果
4.6本章小结
第五章总结与展望
5.1总结
5.2展望
参考文献
致谢
研究成果及发表的论文
作者和导师简介
北京化工大学;