[发明专利]一种仓库货架标识牌文字识别的自然场景文字识别方法

权利要求书

1.一种仓库货架标识牌文字识别的自然场景文字识别方法，其特征在于，至少包括以下步骤：

S1：搭建待识别标识牌文本检测网络；所述待识别标识牌文本检测网络的具体结构为：

来自VGG-16的13个卷积层，卷积层为10个特征提取的额外的卷积层的全卷积网络，以及6个连接到6个中间卷积层的文本框层；保留所述VGG-16的13个卷积层，将所述VGG-16够成的两个全连接层全链接替换为参数下采样原理的两个卷积层；

所述文本框层的每个位置预测每个默认框的n维向量，包括通过iot方法计算文本存在分数，水平边界矩形偏移和旋转矩形边界框偏移或四边形边界框偏移；

所述文本框图层均为3*5像素的卷积核；通过非最大抑制方法，合并所述6个文本框层的结果；

S2：默认边框垂直偏移；所述文本检测网络的输出边界框包括：定向边界框{q}或{r}，其中，q表示长方形边框r表示旋转边框；通过预测每个位置的多个预先设计的水平默认框的偏移回归计算所述定向边界框的最小水平边界矩形{b}；设置所述默认框的宽高比分别为：1、2、3、5、7、10；

S3：训练数据集；训练过程分三个阶段首先是预训练阶段，训练一阶段，训练二阶段；所述预训练阶段分别采用10-4，10-4，10-5的学习率，分别迭代60000次，20000次，30000次，采用COCO-Text数据集；

S4：通过损失函数实现梯度下降寻找最优值；对于第i个默认框和第j个实际框，x_ij＝1表示在它们之间的框重叠之后匹配，否则x_ij＝0；设c为置信度，l为预测位置，g为实际位置，则所述损失函数定义为：

其中，N表示与所述实际框匹配的所述默认框的数量，L_loc采用平滑L1正则，对L_conf采用二分类softmax；

S5：在线强负样本开采；通过SSD强负样本开采策略

第一阶段的负样本和正样本之间的比率设定为3：1，然后第二阶段的比率变为6：1，三个训练阶段分别采用3，3，6的强负样本开采负比率。

S6：对所述训练数据集进行扩充；通过随机裁剪策略，将最小重叠或覆盖阈值随机设置为0、0.1、0.3、0.5、0.7和0.9；将每个裁剪区域调整为固定大小的图像，并输入网络。

2.根据权利要求1所述的一种仓库货架标识牌文字识别的自然场景文字识别方法，其特征在于：

所述步骤S1文字识别的框架搭建的具体方法为：

S11：搭建全卷积层，从输入图像中提取特征序列，卷积层的分量是通过从标准DCNN模型中取出卷积和最大池化层来构建的，即去掉所有全连接层；

S12：采用LSTM网络搭建循环层，预测每帧的标签分布；

S13：搭建转录层，将每帧预测转换为最终标签序列，CTC作为输出层。

3.根据权利要求1所述的一种仓库货架标识牌文字识别的自然场景文字识别方法，其特征在于：

文字识别网络的训练方法为：通过随机梯度下降SGD进行训练并将梯度由反向传播算法计算；

在转录层中，误差偏差与前向后向算法反向传播，在循环层中，应用反向传播时间BPTT来计算误差。