基于深度卷积-递归神经网络的手绘草图识别方法.pdf

基于深度卷积-递归神经网络的手绘草图识别方法 本文提出了一种基于深度卷积-递归神经网络的手绘草图识别方法，该方法结合了深度卷积神经网络和递归神经网络，充分利用了手绘草图的笔画顺序信息。该方法首先按照绘画草图时的笔画顺序提取笔画，生成多幅子笔画草图，并形成一个笔画数依次递增的子笔画草图序列。然后，采用深度卷积神经网络依次提取该序列中每一幅子笔画草图的图像特征，并将提取的图像特征按照原先子笔画草图排列的顺序进行排序，作为递归神经网络的输入。利用递归神经网络来构建不同图像特征间的时序关系，以提高手绘草图的识别准确率。 该方法的优点在于它可以充分利用手绘草图的笔画顺序信息，提高识别准确率。实验结果表明，该方法在TU-Berlin Sketch数据集上的实验结果表明，该方法能有效地提升手绘草图的识别准确率。 深度学习是机器学习的一种，通过神经网络来学习数据特征。深度卷积神经网络是深度学习的一种，它可以学习图像特征，是计算机视觉领域的常用方法。递归神经网络是深度学习的一种，它可以学习序列数据的特征，是自然语言处理和语音识别领域的常用方法。 本文的贡献在于提出了一种新的手绘草图识别方法，该方法结合了深度卷积神经网络和递归神经网络，充分利用了手绘草图的笔画顺序信息。该方法可以提高手绘草图的识别准确率，对于计算机辅助设计、图形学、人机交互等领域具有重要参考价值。 在计算机辅助设计领域，手绘草图识别技术可以应用于计算机辅助设计系统，帮助设计师快速生成设计草图。该技术可以提高设计效率，降低设计成本。 在图形学领域，手绘草图识别技术可以应用于图形学研究，帮助研究人员生成高质量的图形模型。该技术可以提高图形学研究的效率，降低研究成本。 在人机交互领域，手绘草图识别技术可以应用于人机交互系统，帮助用户快速生成设计草图。该技术可以提高人机交互效率，降低系统成本。 本文提出了一种基于深度卷积-递归神经网络的手绘草图识别方法，该方法可以提高手绘草图的识别准确率，对于计算机辅助设计、图形学、人机交互等领域具有重要参考价值。