| 基于深度学习的可视化图表分类方法研究 | |
| 所屬分類：技术论文 | |
| 上傳者：wwei | |
| 文檔大小：205 K | |
| 標簽： 图表分类 图表理解 卷积神经网络 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：可视化图表的分类研究对于图表理解和文档解析具有很大的意义。分别通过爬虫和软件生成的方式，构建了两个包含16类常见图表的数据集，该数据集在数量、类型和样式丰富性上具有一定的优势。在3个数据集上实验对比了Transformer架构和卷积神经网络架构的模型，结果表明Transformer架构在图表分类任务上具有一定优势。基于Swin Transformer模型，设计了多种数据增强策略，在增加模型泛化性的同时也引入了分布差异；通过对不同策略训练出的模型预测进行均值融合，同单模型相比分类性能有较大提升。在6个测试集上对集成模型进行了测试，分类准确率均大于0.9；对于图像质量高、视觉形式简单的生成图表，模型分类准确率接近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