[发明专利]基于深度学习注意力机制的文本实时定位识别方法有效
| 申请号： | 201910785745.6 | 申请日： | 2019-08-23 |
| 公开（公告）号： | CN110569832B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 汪从玲 | 申请（专利权）人： | 安徽省科亿信息科技有限公司 |
| 主分类号： | G06V30/16 | 分类号： | G06V30/16;G06V10/22;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 合肥市上嘉专利代理事务所(普通合伙) 34125 | 代理人： | 李璐;郭华俊 |
| 地址： | 230000 安徽省合肥市*** | 国省代码： | 安徽;34 |
| 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深度学习注意力机制的文本实时定位识别方法，包括以下步骤：搭建文本图像采集系统，收集训练样本并进行人工标注，建立OCR数据集，根据OCR数据集的特点，先对图像进行预处理，然后提出深度显著性注意力网络来定位文本区域，将文本与复杂背景区分开。最后利用深度卷积循环注意力来识别文本，实现对文本图像的实时检测识别。本发明无需对字符进行切分，能够有效地提高OCR系统检测识别的精度，并有具有良好的实时性和迁移性，具有广阔的应用前景。 | ||
| 搜索关键词： | 基于 深度 学习 注意力 机制 文本 实时 定位 识别 方法 | ||
【主权项】：
1.一种基于深度学习注意力机制的文本实时定位识别方法，包括以下步骤：/nS1：搭建文本图像采集系统，收集训练样本并进行人工标注，建立OCR数据集；/nS2：基于深度学习的方法，根据OCR数据集的特点，建立深度显著性注意力网络与深度卷积循环注意力模型；/nS3：对所述OCR数据集进行预处理，利用预处理后的数据集训练所述深度显著性注意力网络，得到能够精确定位文本区域的深度显著性注意力网络；/nS4：利用所述深度显著性注意力网络获取图片文本区域的热力图，将热力图与原图相乘，得到显著图；/nS5：利用所述显著图训练所述深度卷积循环注意力模型，得到能够精确识别文本的深度卷积循环注意力模型，并对文本图像进行预测，从而实现对文本图像的实时定位识别。/n
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安徽省科亿信息科技有限公司，未经安徽省科亿信息科技有限公司许可，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/201910785745.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种电力设备铭牌的特征匹配方法及系统
- 下一篇：车牌定位方法
