本发明公开了一种应用于自然场景下的中文文字识别的方法,该方法通过建模训练阶段和文字识别阶段两个阶段进行文字识别。
建模训练阶段: 1. 依次先建立模板文字的树状结构表示。 2. 然后合成训练集。 3. 接着训练卷积神经网络。 4. 随后提取节点的深度模板特征。 5. 最后建立并训练马尔科夫随机场。
文字识别阶段: 1. 首先对待识别图片进行图片预处理。 2. 然后提取输入图片的深度特征。 3. 随后最小化马尔科夫随机场能量函数。 4. 最后识别文字。
本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构。通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,从而提高了识别的效率。
| 专利名称 | 一种适用于自然场景下的中文文字识别方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610319179.6 |
| 申请号 | - | 专利申请日期 | 2016-05-12 |
| 专利授权日期 | 2016-10-12 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 路通;刘小龙 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开了一种应用于自然场景下的中文文字识别的方法,通过建模训练阶段和文字识别阶段两个阶段进行文字识别。建模训练阶段依次先建立模板文字的树状结构表示,然后合成训练集,再训练卷积神经网络,之后提取节点的深度模板特征,最后建立并训练马尔科夫随机场;文字识别阶段则先对待识别图片进行图片预处理,然后提取输入图片的深度特征,随后最小化马尔科夫随机场能量函数,最后识别文字。本方法在进行文字识别时,同时考虑了文字的局部特征和全局结构,通过将马尔科夫随机场技术与树状结构中节点的深度特征相结合,克服了自然场景下由于文字模糊、形变大对识别效果的影响,提高了识别的效率。 | ||