【技术实现步骤摘要】
一种基于多尺度特征提取的文本识别方法
本专利技术主要针对自然场景下的文本识别
，尤其涉及基于多尺度特征提取的文本识别方法。
技术介绍
随着信息技术的不断发展，计算机已然成为了信息传递的一种重要媒介，因此将图像中的文字转换为计算机可进行处理的格式有利于人们对信息的理解、加工和传递。许多视觉领域内和文本相关的任务，如图像检索、智能无障碍辅助设施等都需要以精确的文本识别结果进行构建。OCR(OpticalCharacterRecognition，光学字符识别)就是将视觉文字转化为计算机文本格式的技术，其中又主要分为文本检测和文本识别两个任务。文本检测主要用于定位图像中的文字区域，而文本识别则对裁剪后的文字区域进行文本内容提取，最终得到计算机可进行处理的文本格式。目前有许多基于深度学习的文本识别模型用于解决文本识别问题，其中CRNN模型是一种主流的文本识别模型，因其模型较小，训练速度快，识别效果好仍是当前最广泛使用的文本识别模型之一。但是为了加快训练速度，每次读取多张图片进行训练，需要将每张图片都缩放到相同的大小，但是...
【技术保护点】
1.一种基于多尺度特征提取的文本识别方法，包括下列步骤：/n1)获取可用于训练的大型文本图像数据集，其中包含文本图片及其对应的文本标签；文本图片表示仅含文本内容的图片，可以通过已有的其它文本检测模型定位文本内容，再进行裁剪得到；/n2)对数据集中的图片进行训练集和验证集的划分，在文本识别模型上进行多次训练得到最优模型；所述的文本识别模型，其具体网络结构描述如下：/n21)首先定义网络结构中的多尺度特征提取基本块；基本块的整体组织结构如说明书附图内的图2所示；其对应的详细参数描述如下：对应图2中的模块①选用大小为1的卷积核，设置步长为1，填充为0，输出维度为64；模块②选用大...
【技术特征摘要】
1.一种基于多尺度特征提取的文本识别方法，包括下列步骤：
1)获取可用于训练的大型文本图像数据集，其中包含文本图片及其对应的文本标签；文本图片表示仅含文本内容的图片，可以通过已有的其它文本检测模型定位文本内容，再进行裁剪得到；
2)对数据集中的图片进行训练集和验证集的划分，在文本识别模型上进行多次训练得到最优模型；所述的文本识别模型，其具体网络结构描述如下：
21)首先定义网络结构中的多尺度特征提取基本块；基本块的整体组织结构如说明书附图内的图2所示；其对应的详细参数描述如下：对应图2中的模块①选用大小为1的卷积核，设置步长为1，填充为0，输出维度为64；模块②选用大小为1的卷积核，设置步长为1，填充为0，输出维度为48；模块③选用大小为5的卷积核，设置步长为1，填充为2，输出维度为64；模块④选用大小为3的卷积核，设置步长为1，填充为1，输出维度为64；模块⑤和模块⑥选用大小为3的卷积核，设置步长为1，填充为1，输出维度为96；模块⑦设定为范围卷积核为3的池化层，设置步长为1，填充为1；模块⑧选用大小为1的卷积核，设置步长为1，填充为1，输出是多尺度特征提取基本块的一个输入参数；模块⑨选用大小为3的卷积核，设置步长为1，填充为0，输出是多尺度特征提取基本块的输入参数；对模块①、③、⑥、⑧的输出，在特征维度上进行拼接得到高维的语义特征，最后通过模块⑨得到最终的输出；
22)利用21)中提到的多尺度特征提取模块，设计文本识别网络特征提取层详述如下：首先在输入层后接入第一个多尺度特征提取模块，指定输出维度为64；然后接入一个模板大小为2的池化层，设置步长为2；然后接入第二个多尺度特征提取模块，指定输出维度为128；然后接入一个模板大小为2的池化层，设置步长为2；然后接入两个多尺度特征提取模块，都指定输出维度为256；然后接入池化层，在宽度和高度方向上分别设定模板大小为1和2，并将步长也设置成对应值，填充分别为0和1；然后接入两个多尺度特征提取模块，都指定输出维度为512；在特征提取阶段的最后接入一个池化层，在宽度和高度方向上分别设定模板大小为2和4，并将步长也设置成对应值，填充分别为0和2；
23)利用22)中提到的文本识别网络特征提取层，设计文本识别模型的总体架构详述如下：在22)所述的特征提取层后，接入两个双向的LSTM网络层，同时设置该网络层的隐层特征维度为256；双向LSTM层的作用在于将图像的视觉特征进行长短期记忆的联系处理，该网络层读取图像按宽度帧切分的特征序列，对不同帧特征之间...
【专利技术属性】
技术研发人员：卜佳俊，邓雅卿，顾静军，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33
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。