[发明专利]一种对图片中的字符串进行分割的方法

摘要

本发明公开了一种对图片中的字符串进行分割的方法，属于计算机视觉领域。首先采集若干字符串图片划分为训练样本和测试样本，将每个训练样本分别进行预处理，得到各训练样本对应的若干子图片；将各个训练样本的每个子图片采用IOBES方式标注为序列。然后利用进行序列标注的训练样本，训练双向长短期记忆神经网络和条件随机场的模型；在测试的时候，将测试样本输入训练好的双向长短期记忆神经网络和条件随机场的模型中，得到分数最高的标签序列。最后，将分数最高的标签序列作为图像分割的分割线，进行测试样本的分割。本发明避免了使用投影法等规则算法进行分割时所需要的人工制定阈值的步骤，不需要其他的先验知识，移植方便。

主权项

1.一种对图片中的字符串进行分割的方法，其特征在于，分以下步骤：步骤一、采集若干字符串图片划分为训练样本和测试样本；步骤二、将每个训练样本分别进行预处理，得到各训练样本对应的若干子图片；步骤三、针对每个训练样本，将各个训练样本的每个子图片采用IOBES方式标注为序列；步骤四、利用进行序列标注的训练样本，训练双向长短期记忆神经网络和条件随机场的模型；具体步骤如下：步骤401、采用双向长短期记忆神经网络结构，将当前长短期记忆神经网络单元之前和之后的单元信息进行串联；步骤402、针对某个训练样本，将该样本中每个子图片的像素点输入串联的长短期记忆神经网络后，输出该子图片标签分别为IOBES的五个概率值；设子图片输入像素点的集合为X＝(x₁,x₂,...x_i,...x_n)；x_i为子图片输入的第i个像素点；前后串联的长短期记忆神经网络的输出标签概率值为：W为全连接层的五维输出值，用来对应IOBES；为后向长短期记忆神经网络对应单元的值，为前向长短期记忆神经网络对应单元的值；步骤403、在串联的长短期记忆神经网络后加入条件随机场模型，为每个训练样本分别计算一个分数；步骤404、设定训练双向长短期记忆神经网络和条件随机场的模型的约束条件；约束条件为：将每个训练样本中所有子图片的标签概率值通过softmax，并保证概率和为1且可导：e^s(X,y)的幂为当前训练样本中标注好的正确标签序列的分数；为每个子图片从输出的标签中IOBES选择一个，所有子图片的标签构成的序列组合；步骤405、最大化正确标签序列的对数似然函数，通过反向传播算法，优化模型的各个参数；步骤五、将测试样本输入训练好的双向长短期记忆神经网络和条件随机场的模型中，得到分数最高的标签序列；在测试时，通过维特比算法计算出分数最高的标签序列；步骤六、将分数最高的标签序列作为图像分割的分割线，进行测试样本的分割。