基于深度學(xué)習(xí)的可視化圖表分類方法研究
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>205 K
標(biāo)簽： 圖表分類 圖表理解 卷積神經(jīng)網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦,？
文檔介紹：可視化圖表的分類研究對于圖表理解和文檔解析具有很大的意義。分別通過爬蟲和軟件生成的方式,，構(gòu)建了兩個包含16類常見圖表的數(shù)據(jù)集,，該數(shù)據(jù)集在數(shù)量,、類型和樣式豐富性上具有一定的優(yōu)勢。在3個數(shù)據(jù)集上實驗對比了Transformer架構(gòu)和卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)的模型,，結(jié)果表明Transformer架構(gòu)在圖表分類任務(wù)上具有一定優(yōu)勢,?；赟win Transformer模型，設(shè)計了多種數(shù)據(jù)增強(qiáng)策略,，在增加模型泛化性的同時也引入了分布差異,；通過對不同策略訓(xùn)練出的模型預(yù)測進(jìn)行均值融合，同單模型相比分類性能有較大提升,。在6個測試集上對集成模型進(jìn)行了測試,，分類準(zhǔn)確率均大于0.9；對于圖像質(zhì)量高,、視覺形式簡單的生成圖表,，模型分類準(zhǔn)確率接近1。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。