[发明专利]一种基于深度学习的文字检测方法及装置有效
申请号: | 201510522970.2 | 申请日: | 2015-08-24 |
公开(公告)号: | CN105184312B | 公开(公告)日: | 2018-09-25 |
发明(设计)人: | 王亮;王威;张宇琪;范伟 | 申请(专利权)人: | 中国科学院自动化研究所;富士通株式会社 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/08 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 宋焰琴 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于深度学习的文字检测方法及装置。所述方法包括:设计多层卷积神经网络结构,把每一个字符作为一个类别,这样就形成了一个多类别分类问题;采用反向传播算法训练卷积神经网络用以识别单一字符,有监督地最小化该网络的目标函数,得到字符识别模型;最后用前端的特征提取层进行权值初始化,把最后一个全连接层结点数目改为2,使得网络成为一个二分类模型,用文字和非文字样本训练网络。经过以上步骤,一个文字检测分类器就完成了。在测试的时候,把全连接层转化为卷积层,给定一张输入图像,需要先进行多尺度滑动窗口扫描获得文字的概率图,再进行非极大值抑制得到最终的文字区域。 | ||
搜索关键词: | 一种 基于 深度 学习 文字 检测 方法 装置 | ||
【主权项】:
1.一种基于深度学习的文字检测方法,包括步骤:步骤S1,构建多层卷积神经网络;所述多层卷积神经网络包括多个卷积层和全连接层;其输入为图像,输出为字符分类结果;步骤S2,采用误差反向传播算法训练所述多层卷积神经网络,从而得到字符识别模型,其中训练过程中使用的目标函数为输入图像的真实字符类别与所述字符识别模型预测结果的交叉熵;步骤S3,将步骤S1中建立的多层卷积神经网络的输出层节点修改为2,并利用训练好的所述字符识别模型的权重初始化修改后的多层卷积神经网络的权重;步骤S4,利用字符‑非字符数据集对修改后的多层卷积神经网络进行训练,得到字符‑非字符二分类模型;步骤S5,将所述字符‑非字符二分类模型中的所有全连接层修改成卷积层;步骤S6,利用步骤S5中修改后的所述字符‑非字符二分类模型对测试图像采用多尺度扫描窗口进行测试,得到文字区域的概率图,并对所述概率图进行非极大值抑制得到最终的文字区域。
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中国科学院自动化研究所;富士通株式会社,未经中国科学院自动化研究所;富士通株式会社许可,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/patent/201510522970.2/,转载请声明来源钻瓜专利网。