[发明专利]基于注意力机制与联结时间分类损失的文字识别方法在审
| 申请号： | 201811246139.9 | 申请日： | 2018-10-24 |
| 公开（公告）号： | CN109492679A | 公开（公告）日： | 2019-03-19 |
| 发明（设计）人： | 和文杰;潘勉 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/34;G06N3/04 |
| 代理公司： | 杭州浙科专利事务所(普通合伙) 33213 | 代理人： | 吴秉中 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 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注意力机制与联结时间分类损失的文字识别方法，包括如下步骤：S1：采集数据集；S2：对图片样本进行尺度缩放，灰度转换和像素归一化等预处理；S3：对样本的标签序列进行处理，包括填补，编码和词嵌入；S4：构建卷积神经网络，对经过S3处理后的文本图像进行特征提取；S5：使用堆叠式双向循环神经网络对S4提取的特征进行编码，得到编码特征；S6：将S5得到的编码特征输入到联结时间分类模型中计算预测概率；S7：使用注意力机制计算不同编码特征的权重，得到编码后的语义向量。 | ||
| 搜索关键词： | 注意力机制 编码特征 时间分类 联结 文字识别 预处理 卷积神经网络 标签序列 采集数据 灰度转换 神经网络 双向循环 特征提取 图片样本 文本图像 语义向量 堆叠式 归一化 构建 权重 缩放 像素 嵌入 样本 尺度 填补 概率 预测 | ||
【主权项】：
1.基于注意力机制与联结时间分类损失的文字识别方法，包括如下步骤：S1：采集数据集：采集各种自然场景下的文本，并将这些文本合并；将数据集划分为训练数据集，验证数据集，测试数据集三部分；先将原始的数据集打乱，然后按比例进行切分，切分比例为7：2：1；训练数据集作为优化模型参数使用，验证数据集作为模型选择使用，测试数据集作为模型最终评估使用；将挑选的数据集记作T＝{(x1,y1),(x2,y2),…,(xN,yN)}，其中xi表示第i张图片，yi表示第i个图片对应的标签，N表示样本的总数；S2：对图片样本进行尺度缩放，灰度转换和像素归一化等预处理；S3：对样本的标签序列进行处理，包括填补，编码和词嵌入；S4：构建卷积神经网络，对经过S3处理后的文本图像进行特征提取；S5：使用堆叠式双向循环神经网络对S4提取的特征进行编码，得到编码特征；S6：将S5得到的编码特征输入到联结时间分类模型中计算预测概率；S7：使用注意力机制计算不同编码特征的权重，得到编码后的语义向量。
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杭州电子科技大学，未经杭州电子科技大学许可，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/201811246139.9/，转载请声明来源钻瓜专利网。
