[发明专利]一种基于卷积神经网络特征融合迁移的文字识别方法有效
| 申请号： | 201910459252.3 | 申请日： | 2019-05-29 |
| 公开（公告）号： | CN110210468B | 公开（公告）日： | 2022-12-16 |
| 发明（设计）人： | 林劼;马俊;钟德建;徐佳俊;郝玉洁 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06V30/14 | 分类号： | G06V30/14;G06V30/19;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 成都金英专利代理事务所(普通合伙) 51218 | 代理人： | 袁英 |
| 地址： | 610041 四川省成*** | 国省代码： | 四川;51 |
| 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卷积神经网络特征融合迁移的文字识别方法，包括：构建源卷积特征提取器、训练源卷积特征提取器、构建基于源卷积特征提取器的目标卷积神经网络模型、训练目标卷积神经网络模型和输入图片进行文字识别。本发明通过分析卷积神经网络模型的特点提出了一种新的特征迁移方法，使得源特征生成器结构和目标网络结构可以灵活地进行定义，从而在文字图像识别应用中更具备鲁棒，解决了传统卷积网络特征迁移方法在特征迁移的网络模型构建过程中缺乏灵活性的问题。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 特征 融合 迁移 文字 识别 方法 | ||
【主权项】：
1.一种基于卷积神经网络特征融合迁移的文字识别方法，其特征在于包括：构建源卷积特征提取器Gs、训练源卷积特征提取器Gs、构建基于源卷积特征提取器的目标卷积神经网络模型Mt、训练目标卷积神经网络模型Mt和输入图片进行文字识别；所述构建源卷积特征提取器Gs，是对源领域中的文字图片样本进行预测；所述训练源卷积特征提取器Gs，是利用数据量充足的源领域的文字图片样本并基于批量梯度下降算法对源卷积特征提取器的参数进行学习优化；所述构建基于源卷积特征提取器的目标卷积神经网络模型Mt，是对目标领域文字图片样本进行预测，其中目标卷积神经网络模型的输入包括目标域图片样本的特征和源源卷积特征提取器提供的辅助特征；所述训练目标卷积神经网络模型Mt，是利用数据量有限的目标领域的文字图片样本并基于批量梯度下降算法对目标卷积神经网络模型的参数进行学习优化。
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电子科技大学，未经电子科技大学许可，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/201910459252.3/，转载请声明来源钻瓜专利网。
