[发明专利]基于卷积神经网络深度学习模型的光学字符识别方法在审
| 申请号： | 201810270374.3 | 申请日： | 2018-03-28 |
| 公开（公告）号： | CN108681735A | 公开（公告）日： | 2018-10-19 |
| 发明（设计）人： | 陆成学 | 申请（专利权）人： | 中科博宏（北京）科技有限公司 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/62;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100083 北京市海淀区天秀*** | 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： | 本发明公开一种基于卷积神经网络深度学习模型的光学字符识别方法。该方法包括以下步骤：收集不同字体的常用汉字和10个阿拉伯数字以及26个英文字母数据集并将其转换为图片格式；对图片进行轻微的扭曲和旋转以增强模型的鲁棒性，生成模型训练数据库；建立光学字符识别的深度学习模型；将训练集图像输入模型，使用卷积神经网络模型通过监督学习的方法，不断优化目标函数，学习一个多分类器；对于新来的测试样本，基于上一步得到的模型对其进行特征提取并应用模型分类器得到最终分类结果。本发明对基于卷积神经网络的深度学习在光学字符识别中的应用提出了新的模型和方法，该方法可以应用于一般的模式分类任务中，特别是文本识别问题，本发明提出的基于深度学习的光学字符识别模型可以显著提高字符识别的识别正确率。 | ||
| 搜索关键词： | 光学字符识别 卷积神经网络 学习 优化目标函数 阿拉伯数字 训练集图像 训练数据库 测试样本 多分类器 分类结果 模式分类 生成模型 特征提取 图片格式 文本识别 英文字母 应用模型 字符识别 分类器 鲁棒性 数据集 正确率 应用 字体 汉字 扭曲 转换 监督 图片 | ||
【主权项】：
1.一种基于卷积神经网络深度学习模型的光学字符识别方法，其特征在于，该方法的具体步骤包括：步骤S1，收集常用的不同字体的汉字，10个阿拉伯数字和26个英文字母并生成图片格式的数据集。步骤S2，对获取的训练集和测试集样本适当进行轻微的旋转和扭曲处理。步骤S3，优化学习训练集的分类器的各层权值矩阵参数W和偏置b，通过随机梯度下降法(SGD)的优化方式最小化目标函数，学习最优分类器参数W和b。![]()
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科博宏（北京）科技有限公司，未经中科博宏（北京）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/patent/201810270374.3/，转载请声明来源钻瓜专利网。
