专利交易市场

本发明提供一种基于连通分量和回归式字切分的彝文古籍字符检测方法，所述方法包括如下步骤：S1、用非局部均值滤波算法和二值化算法对古籍扫描图像进行预处理，使图像中的像素值只有0和255两个值；S2、采用基于连通分量的方法对图像非文本区域和未去除的噪点进行过滤，得到文本区域；S3、采用基于连通分量和回归式字切分投影的方法对图像中的单个字符进行检测。本发明能够对古籍中文本和非文本区域进行了有效的分离，并在单字检测实验中取得了较高的准确率和召回率，能有效地解决古籍文献字符识别中的字符分割及检测问题。

本发明提出了一种基于抗干扰卷积神经网络的手写数字识别系统及方法。手写文字收集系统获取由不同的用户手写的手写数字图像和真实数字标签。构建干扰手写数字图像生成式对抗网络，将手写数字图像通过干扰手写数字图像生成式对抗网络，预测得到手写数字图像的加噪后弱点特征图像的预测标签，结合真实数字标签构建损失函数模型，通过RMSprop优化器优化网络，得到优化后网络；通过手写文字收集系统采集手写数字图像输出至上位机，得到实时手写数字图像的预测标签。本发明利用生成对抗网络使用一种特别的逆映射生成干扰图像，对标签卷积神经网络进行弱点训练，能识别字迹潦草、有污点的手写数字图像，提升了手写数字识别系统的手写数字识别精度。

本发明涉及机器学习领域，涉及基于特征图像自学习的机械臂模拟手写笔迹方法，包括：输入目标手写体汉字样本进行笔画分离，得到目标手写体汉字样本的分离笔画和目标手写体汉字样本的交叉点，建立目标手写体汉字的笔画特征库和交叉点特征模型；输入目标印刷体文字进行笔画分离，得到目标印刷体文字分离笔画和目标印刷体文字的交叉点类别；根据相似度方法获得与目标印刷文字分离笔画相对应的目标手写体的笔画进行笔画替换和位置调整，得到目标印刷体文字所对应的目标手写体汉字；发送给驱动程序控制机械臂书写所述目标手写体汉字。本发明避免了完全通过多样本学习下的既定字体生成需要。