The embodiment of the invention discloses a scene text recognition method based on convolution embedding bilateral activation, the method includes: the convolution neural network training scene text image input to the pre trained, obtained by convolution convolution activation descriptor; layer selected, the bilateral convolution activation map using bilateral activation map of convolution; the activation descriptor for convolutional encoding, feature vectors are obtained by training scene text image, using the linear support vector machine was trained by scene text classification model; feature vector extraction test scene text images, input to the scene text classification model of scene text recognition results. The invention uses bilateral convolution activation map for feature vector representation, feature information and stroke can be the important structural information of effective combination of feature vectors, effectively mining significant feature information and stroke structure information, which can effectively improve the recognition accuracy of scene text.
【技术实现步骤摘要】
一种基于嵌入双边卷积激活的场景文字识别方法
本专利技术属于模式识别
,具体涉及一种基于嵌入双边卷积激活的场景文字识别方法。
技术介绍
场景文字识别在模式识别领域扮演着重要的角色,很多应用都需要借助场景文字识别来自动地理解场景中的文字。然而,场景文字识别仍然是一个非常具有挑战性的研究方向,因为场景文字受到很多外界因素的影响,比如:不均匀的光照、变形、任意的字体、失真、复杂的背景、模糊、噪声等等。近几十年来,场景文字识别受到广泛的关注,一些早期的方法利用光学字符识别技术来识别场景中的文字。光学字符识别技术依赖于场景文本二值化和成熟的光学字符识别引擎。其中,场景文本二值化是非常难以实现的。考虑到光学字符识别技术的局限性,Gao等人提出在传统的BoW(BagofWords,词包模型)的框架下创建空间嵌入词典,来获取场景文字图像的最终的特征表示。Newell等人利用多尺度的HOG(HistogramofOrientedGradients,梯度直方图)进行特征表示来识别自然场景中的文字。尽管他们的方法取得了一定的成效,但是他们的特征表示缺乏判别性。因此为了解决此问题,Perronnin等人提取使用GMM(GaussianMixtureModel,高斯混合模型)来学习码本,并将GMM的均值向量和协方差向量的导数连接起来得到最终的FV(Fishervectors)。与传统的BOW相比,FV对更高层次的信息进行编码,但是FV很容易在最终表示中引入噪声或者异常值。为此,Wang等人将卷积神经网络中的全连接层的输出作为最终的图像表示。Jaderberg等人同样将卷积神经网 ...
【技术保护点】
一种基于嵌入双边卷积激活的场景文字识别方法,其特征在于,该方法包括以下步骤:步骤S1,将训练场景文字图像输入至预先训练得到的卷积神经网络中,得到卷积激活描述子;步骤S2,利用所述训练场景文字图像输入至卷积神经网络中输出得到的卷积层,得到双边卷积激活图;步骤S3,利用所述双边卷积激活图对所述卷积激活描述子进行编码,得到所述训练场景文字图像的特征向量;步骤S4,基于所述训练场景文字图像的特征向量,利用线性支持向量机进行训练,得到场景文字识别分类模型;步骤S5,按照所述步骤S1‑S3获取测试场景文字图像的特征向量,输入至所述场景文字识别分类模型得到场景文字识别结果。
【技术特征摘要】
1.一种基于嵌入双边卷积激活的场景文字识别方法,其特征在于,该方法包括以下步骤:步骤S1,将训练场景文字图像输入至预先训练得到的卷积神经网络中,得到卷积激活描述子;步骤S2,利用所述训练场景文字图像输入至卷积神经网络中输出得到的卷积层,得到双边卷积激活图;步骤S3,利用所述双边卷积激活图对所述卷积激活描述子进行编码,得到所述训练场景文字图像的特征向量;步骤S4,基于所述训练场景文字图像的特征向量,利用线性支持向量机进行训练,得到场景文字识别分类模型;步骤S5,按照所述步骤S1-S3获取测试场景文字图像的特征向量,输入至所述场景文字识别分类模型得到场景文字识别结果。2.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:步骤S11,将所述训练场景文字图像的大小归一化为H×W,其中,H和W分别表示训练场景文字图像的高度和宽度;步骤S12,将所述训练场景文字图像输入至所述卷积神经网络中,选择所述卷积神经网络中的一个卷积层,得到卷积激活图HC×WC×N,其中,HC和WC分别表示卷积激活图的高度和宽度,N表示卷积激活图的数目;步骤S13,从N个卷积激活图的相同位置处提取元素,得到HC×WC个N维的卷积激活描述子。3.根据权利要求2所述的方法,其特征在于,所述步骤S2包括:步骤S21,获取所述卷积激活图HC×WC×N;步骤S22,将N个大小为HC×WC的卷积图的对应位置元素相加,得到卷积求和图;步骤S23,基于所述卷积求和图,得到双边卷积激活图。4.根据权利要求3所述的方法,其特征在于,所述卷积求和图表示为:其中,Ci表示卷积求和图的第i个激活响应,表示卷积层中的第n个卷积图的第i个激活响应,N是该卷积层中卷积激活图的总数目。5.根据权利要求4所述的方法,其特征在于,所述双边卷积激活图表示为:其中,i和j为表示卷积激活图中激活响应的索引,Oj表示双边卷积激活图,Bij为Ci的权重系数。6.根据权利要求5所述的方...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。