發(fā)布時(shí)間：2024-06-29 01:34

　　場(chǎng)景文字識(shí)別是一種通用文字識(shí)別技術(shù),近年來其已經(jīng)成為計(jì)算機(jī)領(lǐng)域重點(diǎn)的研究方向。傳統(tǒng)光學(xué)字符識(shí)別技術(shù)(Optical Character Recognition,OCR)在文檔圖像方面已經(jīng)取得了很好的識(shí)別效果,但卻難以應(yīng)對(duì)場(chǎng)景文字在字體、分布、背景等方面的復(fù)雜性。近年來深度學(xué)習(xí)技術(shù)快速發(fā)展,并且在OCR領(lǐng)域里發(fā)揮了主導(dǎo)作用,因此本文基于深度學(xué)習(xí)方法,圍繞場(chǎng)景文字識(shí)別問題展開研究,主要研究?jī)?nèi)容如下:(1)提出了一種文本圖像矯正方法。針對(duì)文本行傾斜問題,提出了一種基于連通區(qū)域分析的傾斜矯正方法。該方法首先獲取輸入圖像的連通區(qū)域,然后根據(jù)字符的比例、大小等先驗(yàn)知識(shí)過濾非字符連通區(qū)域,最后通過計(jì)算連通區(qū)域間的傾斜角度來估算文本行傾斜角度。實(shí)驗(yàn)結(jié)果表明,所提方法能夠有效提升相同框架的識(shí)別性能。(2)設(shè)計(jì)一種序列到序列的文字識(shí)別網(wǎng)絡(luò)。在卷積循環(huán)網(wǎng)絡(luò)(Convolutional Recurrent Neural Networks,CRNN)網(wǎng)絡(luò)的基礎(chǔ)上,本文首先利用所提出的圖像矯正方法對(duì)輸入圖像進(jìn)行矯正,降低問題復(fù)雜度;其次將CRNN中的卷積部分加入BN層,在提高卷積神經(jīng)網(wǎng)絡(luò)的收斂速度、降低網(wǎng)絡(luò)對(duì)初始...

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-6基于多邊形或者曲線框的任意形狀場(chǎng)景文本示例

第一章緒論圖1-6基于多邊形或者曲線框的任意形狀場(chǎng)景文本示例。到更好的保證，從而提高識(shí)別的結(jié)果。在過去，端到端場(chǎng)景文本檢測(cè)及識(shí)別的系統(tǒng)面臨著幾個(gè)主要的問題。速度太慢。早期的端到端的方法通常是將檢測(cè)與識(shí)別網(wǎng)絡(luò)簡(jiǎn)單的堆砌在一起，使得端到端的結(jié)構(gòu)速度比較其獨(dú)立的兩個(gè)模型沒有明顯的優(yōu)勢(shì)。....

圖1場(chǎng)景文字示例

在場(chǎng)景文字圖像自身存在眾多外接干擾因素,比如模糊、失真、噪聲、低分辨率、不均勻的光線及部分區(qū)域的污跡涂抹等,都增加場(chǎng)景文字檢測(cè)與識(shí)別的難度。基于上述難點(diǎn),傳統(tǒng)的圖像文字提取方法無法有效地解決場(chǎng)景文字的檢測(cè)和識(shí)別問題,因此國(guó)內(nèi)外研究者們嘗試研究基于深度學(xué)習(xí)的場(chǎng)景文字的檢測(cè)和識(shí)別技術(shù)....

圖２．２文字實(shí)例長(zhǎng)度分布

?基于深度學(xué)習(xí)的場(chǎng)景文字檢測(cè)與識(shí)別方法研究???４０００??３５００??Ｉ３０００??（Ｕ??＾?２５００??＾?２０００?■??Ｉ?１５００?｜｜??｜｜｜－??ｎ?————屬．ＪＬＢＩ?Ｊｌ＿Ｉ—麵＿????Ｉ??０?２５０?５００?７５０?１０００?１２５０?１５００?１７....

圖２．３前５０個(gè)字符類別的出現(xiàn)頻率

?基于深度學(xué)習(xí)的場(chǎng)景文字檢測(cè)與識(shí)別方法研究???４０００??３５００??Ｉ３０００??（Ｕ??＾?２５００??＾?２０００?■??Ｉ?１５００?｜｜??｜｜｜－??ｎ?————屬．ＪＬＢＩ?Ｊｌ＿Ｉ—麵＿????Ｉ??０?２５０?５００?７５０?１０００?１２５０?１５００?１７....

本文編號(hào)：3996961