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(duì)于圖表理解和文檔解析具有很大的意義。分別通過(guò)爬蟲和軟件生成的方式,，構(gòu)建了兩個(gè)包含16類常見(jiàn)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(shì)。在3個(gè)數(shù)據(jù)集上實(shí)驗(yàn)對(duì)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(shì),。基于Swin Transformer模型,，設(shè)計(jì)了多種數(shù)據(jù)增強(qiáng)策略,，在增加模型泛化性的同時(shí)也引入了分布差異,；通過(guò)對(duì)不同策略訓(xùn)練出的模型預(yù)測(cè)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(gè)測(cè)試集上對(duì)集成模型進(jìn)行了測(cè)試,，分類準(zhǔn)確率均大于0.9；對(duì)于圖像質(zhì)量高,、視覺(jué)形式簡(jiǎn)單的生成圖表,，模型分類準(zhǔn)確率接近1。
現(xiàn)在下載
VIP會(huì)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,。