基于深度CNN和极限学习机相结合的实时文档分类

• 作者: 李焕 王鹏 罗成 董莺艳 闫河
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 文档图像分类 CNN 迁移学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 174-179
• 页数: 6页
• 分类号: TP391.41
• 字数: 3931字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.03.032

摘要

提出一种文档图像实时分类训练和测试的方法.在实际应用中,数据训练的精确性和高效性在文档图像识别中起着关键的作用.现有的深度学习方法不能满足此要求,因为需要大量的时间用于训练和微调深层次的网络架构.针对此问题,提出一种基于计算机视觉的新方法:第一阶段训练深度网络,作为特征提取器;第二阶段用极限学习机(ELM)用于分类.该方法的性能优于目前最先进的基于深度学习的相关方法,在Tobacco-3482数据集上的最终准确率为83.45％.与之前基于卷积神经网络(CNN)的方法相比,相对误差降低了26％.ELM的训练时间仅为1.156秒,对2 482张图像的整体预测时间是3.083秒.因此,该文档分类方法适合于大规模实时应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫河	重庆理工大学计算机科学与工程学院	37	168	6.0	11.0
5	王鹏	重庆理工大学计算机科学与工程学院	14	48	4.0	6.0
6	董莺艳	重庆理工大学计算机科学与工程学院	7	26	3.0	5.0
7	罗成	重庆理工大学计算机科学与工程学院	6	21	3.0	4.0
8	李焕	重庆理工大学计算机科学与工程学院	6	21	3.0	4.0