[发明专利]一种基于深度学习的字符识别方法

摘要

本发明提供了一种基于深度学习的字符识别方法，步骤包括收集字符训练样本、对字符训练样本进行学习并输出连接权重模型作为字符识别分类器、提取所有训练样本的字符特征并附上相应标签并将训练样本的字符特征分入相应的类别、读取待识别的字符图片并进行字符特征识别提取输出字符识别结果。该字符识别方法本发明以人工神经网络模式识别来作为OCR识别模块，识别率可以达到95％以上，且通过神经网络训练得到的模型具有良好的泛化能力和容错能力。

主权项

一种基于深度学习的字符识别方法，其特征在于，包括如下步骤：步骤1，收集字符训练样本，对各个字符训练样本的图片进行二值化处理，再将二值化处理后的图片分类输入到深度学习网络中；步骤2，对字符训练样本进行学习，设定学习次数上限和识别精度阈值，在进行监督学习时根据输入样本的刺激下不断地改变卷积神经网络各层之间的连接权重，当学习次数已达到学习次数上限或识别精度达到识别精度阈值时，保存当前卷积神经网络各层之间的连接权重，并以此建立神经网络模型作为字符识别分类器；步骤3，利用训练好的连接权重模型提取所有训练样本的字符特征并附上相应标签，再进入SVM学习将低维输入空间线性不可分的训练样本的字符特征转化为高维特征空间使其线性可分，从而将训练样本的字符特征分入相应的类别；步骤4，字符识别，读取包含待识别字符的字符图片，对字符图片进行二值化处理，再利用字符识别分类器对二值化处理后的字符图片进行字符特征识别提取，再通过SVM对识别提取的字符特征进行分类，待识别字符属于识别误差最小的那个类别。