通过整合机器学习和深度学习技术来提高手绘图表的识别能力

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 手绘图表在工程,建筑和教育方面至关重要.
• 识别复杂,可变的手绘图形存在重大挑战.
• 需要强大的自动化图表识别方法.

研究的目的:

• 开发一种集成的机器学习方法,以提高手绘图表的识别能力.
• 提高数字化图形表示的准确性和效率.
• 通过联合策略解决单个机器学习方法的局限性.

主要方法:

• 整合多种机器学习技术,包括深度学习.
• 新方法的应用:Fossum Soergel k-means,形态Canny Bessel辐射基础轮形状因子,费舍尔内核k-最近邻居,单曲曲模糊规则生成,以及更快的区域卷积神经网络.
• 使用手绘流程图,有限自动机和业务流程模型的基准数据集进行评估.

主要成果:

• 拟议的系统证明了各种手绘图的成功自动数字化.
• 实验结果显示,与最先进的方法相比,性能有所改善.
• 综合方法有效地处理手绘图形的复杂性和变化.

结论:

• 开发的系统为手绘图表的自动数字化提供了有效的解决方案.
• 这项研究强调了结合各种机器学习方法来完成复杂的模式识别任务的潜力.
• 确定了离线手绘图形分析的未来研究方向.