原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
Transformer模型在化验单结构识别中的应用
目录
内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.2化验单结构识别的挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
1.3Transformer模型简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.4本文主要工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
化验单结构识别相关技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
2.1化验单格式与内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
2.2传统结构识别方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
2.2.1基于模板匹配的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
2.2.2基于规则的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
2.2.3基于机器学习的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
2.3深度学习在结构识别中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
2.3.1卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
2.3.2循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
2.3.3长短期记忆网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
基于Transformer的化验单结构识别模型．．．．．．．．．．．．．．．．．．．．22
3.1模型整体框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
3.2输入表示与编码．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
3.2.1化验单图像预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
3.2.2文本特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
3.3Transformer编码器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
3.3.1自注意力机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
3.3.2多头注意力．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
3.3.3位置编码．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
3.4Transformer解码器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35
3.4.1解码过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
3.4.2调整策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
3.5损失函数与优化器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41
实验设计与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42
4.1数据集构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
4.2实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44
4.2.1硬件环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46
4.2.2软件环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47
4.3评估指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
4.4实验结果．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
4.4.1模型性能比较．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52
4.4.2参数敏感性分析．．．．．．．
文档评论（0）