[发明专利]一种基于Transformer模型自然场景文字识别方法在审

专利信息
申请号: 202011098711.9 申请日: 2020-10-14
公开(公告)号: CN112149619A 公开(公告)日: 2020-12-29
发明(设计)人: 徐亦飞;张美姿;王爱臣;王正洋;王超勇;余乐;尉萍萍;肖志峰 申请(专利权)人: 南昌慧亦臣科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/20;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 广州专理知识产权代理事务所(普通合伙) 44493 代理人: 张凤
地址: 330000 江西省南昌市红谷滩新区*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 transformer 模型 自然 场景 文字 识别 方法
【权利要求书】:

1.一种基于Transformer模型自然场景文字识别方法,其特征在于,包括:

步骤S100,对输入的自然场景文字图片进行预处理;

步骤S200,将经预处理的自然场景文字图片传入特征提取网络,得到包含图片文字信息的特征图,其中,特征提取网络包括VGG网络与残差注意力模块;

步骤S300,将得到的特征图进行切片,得到特征序列;

步骤S400,将特征序列传入Transformer模型,经过Transformer模型的编码和解码处理,得到输出序列,其中,Transformer模型的自注意力机制中加入高斯偏置GaussianBias;

步骤S500,将输出序列中的向量转换为对应的字符,输出自然场景文字图片中的文本内容。

2.根据权利要求1所述的基于Transformer模型自然场景文字识别方法,其特征在于,步骤S100,对输入的自然场景文字图片进行预处理,包括,

步骤S110,将自然场景文字图片进行等比例缩放,使自然场景文字图片的高度固定为预设像素;

步骤S120,对经缩放的自然场景文字图片进行末尾位置补齐,使自然场景文字图片图像的宽度为4的整数倍。

3.根据权利要求1所述的基于Transformer模型自然场景文字识别方法,其特征在于,步骤S200、步骤S300包括,

步骤S210,将经预处理的自然场景文字图片传入特征提取网络,特征提取网络中,残差注意力模块位于VGG网络的第二层VGG Block2和第四层VGG Block4后面;

步骤S220,将VGG网络最后两个池化层窗口的大小由2×2改为1×2,使自然场景文字图片的高度减半四次,宽度减半两次;将最后的卷积层改为卷积核大小为2×2、元素内边距padding为0的卷积,使得特征图放缩为原来的1/2,即整个特征提取网络将图像的高度缩小为原来的1/32,宽度缩小为原来的1/4;

步骤S230,残差注意力模块包含特征分支和注意力分支,特征分支包含前馈神经网络;

注意力分支采用一个自底向上down-sampling unit和自顶向下Up-sampling unit的结构组合,自底向上结构down-sampling unit包括两个下采样单元,自顶向下结构Up-sampling unit包括两个上采样单元;

上步骤得到的特征图依次经过上采样单元、两个1×1卷积层以及一个Sigmoidfunction的处理,得到注意力权重图;

将注意力权重图和特征分支中的特征图进行点积运算,生成经过注意力机制的特征图。

将经过注意力机制的特征图和原特征图相加,得到包含图片文字信息的特征图;

步骤S300,将上步骤得到的最终的特征图进行切片,得到W/4个向量,每个向量的维度为512×1。

4.根据权利要求1所述的基于Transformer模型自然场景文字识别方法,其特征在于,步骤S400包括,

步骤S410,特征序列经过Transformer模块的编码器,编码器包括多头注意力Multi-Head Attention模块和前馈神经网络,其中,头注意力Multi-Head Attention模块中加入高斯偏置,得到输出序列,输出序列包含着每个序列对其他序列的注意力信息;

步骤S420,将上步骤得到的输出序列作为Transformer模块的解码器部分输入,解码器的另一部分输入为当前字符经过词嵌入得到的向量,所有的输入经过解码器生成一个向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南昌慧亦臣科技有限公司,未经南昌慧亦臣科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011098711.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top