| 基于深度學習的可視化圖表分類方法研究 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大小：205 K | |
| 標簽： 圖表分類 圖表理解 卷積神經網絡 | |
| 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，構建了兩個包含16類常見圖表的數據集，該數據集在數量、類型和樣式豐富性上具有一定的優勢。在3個數據集上實驗對比了Transformer架構和卷積神經網絡架構的模型，結果表明Transformer架構在圖表分類任務上具有一定優勢。基于Swin Transformer模型，設計了多種數據增強策略，在增加模型泛化性的同時也引入了分布差異；通過對不同策略訓練出的模型預測進行均值融合，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行了測試，分類準確率均大于0.9；對于圖像質量高、視覺形式簡單的生成圖表，模型分類準確率接近1。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2