[发明专利]基于神经网络的文字识别方法、装置及存储介质

权利要求书

1.一种基于神经网络的文字识别方法，其特征在于，包括：

获取待识别的文字数据集；

将所述文字数据集输入训练好的神经网络模型，其中，所述神经网络模型包括依次连接的空洞卷积层、卷积层、池化层以及全连接层；

根据所述神经网络模型的输出得到文字识别结果。

2.根据权利要求1所述的方法，其特征在于，所述获取待识别的文字数据集之后，还包括：

将所述文字数据集处理成单通道的灰度图像。

3.根据权利要求1所述的方法，其特征在于，所述神经网络模型包含六层，其中，第一层为空洞卷积层，第二层和第三层为卷积层，第四层为最大池化层，第五层和第六层为全连接层。

4.根据权利要求3所述的方法，其特征在于，第一层、第二层以及第三层输入输出的图像尺寸遵循以下公式：

其中，W_OUT为输出图像的尺寸，W_in为输入图像的尺寸，padding为用于填充边缘的层数，F为卷积核的尺寸，stride为卷积步长。

5.根据权利要求1所述的方法，其特征在于，所述空洞卷积层、卷积层和所述全连接层的激活函数为Relu激活函数。

6.根据权利要求1所述的方法，其特征在于，将所述文字数据集输入训练好的神经网络模型之前，还包括：

根据随机梯度下降算法将训练数据集分批输入神经网络模型进行训练；

根据交叉熵损失函数调整所述神经网络模型，得到训练好的神经网络模型。

7.一种基于神经网络的文字识别装置，其特征在于，包括：

获取模块，用于获取待识别的文字数据集；

输入模块，用于将所述文字数据集输入训练好的神经网络模型，其中，所述神经网络模型包括依次连接的空洞卷积层、卷积层、池化层以及全连接层；

识别模块，用于根据所述神经网络模型的输出得到文字识别结果。

8.根据权利要求7所述的装置，其特征在于，还包括：

文字处理模块，用于将所述文字数据集处理成单通道的灰度图像。

9.根据权利要求7所述的装置，其特征在于，所述神经网络模型包含六层，其中，第一层为空洞卷积层，第二层和第三层为卷积层，第四层为最大池化层，第五层和第六层为全连接层。

10.一种计算机可读介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至6任一项所述的一种基于神经网络的文字识别方法。