[發(fā)明專利]識別文檔方向的方法、系統(tǒng)和神經(jīng)網(wǎng)絡(luò)

有效

• 申請?zhí)枺?/td>: 201710060219.4
• 申請日: 2017-01-24
• 公開（公告）號: CN108345827B
• 公開（公告）日: 2021-11-30
• 發(fā)明（設(shè)計）人: 王若辰;范偉;孫俊
• 申請（專利權(quán)）人: 富士通株式會社
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 康建峰;韓雪梅

本發(fā)明公開了一種識別文檔方向的方法、系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。該方法包括：提取文檔中的文本行；計算文本行為正向的第一正向結(jié)果和為反向的第一反向結(jié)果；計算旋轉(zhuǎn)180度后的文本行為正向的第二正向結(jié)果和為反向的第二反向結(jié)果；以及根據(jù)第一正向結(jié)果和第一反向結(jié)果以及第二正向結(jié)果和第二反向結(jié)果確定文檔的方向。

技術(shù)領(lǐng)域

本發(fā)明涉及一種用于識別文檔的方向的方法、系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。

背景技術(shù)

隨著深度學(xué)習(xí)技術(shù)的興起，卷積神經(jīng)網(wǎng)絡(luò)被越來越多地運用在圖像檢測、分類等任務(wù)中，其中也包括圖像方向判別。卷積神經(jīng)網(wǎng)絡(luò)是一個多層的神經(jīng)網(wǎng)絡(luò)，每層由多個二維平面組成，而每個平面由多個獨立神經(jīng)元組成。目前有許多卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)的變體，但它們的基本結(jié)構(gòu)非常相似，卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)包括三個層，即卷積層、池化層(也稱下采樣層)和全連接層。用于模式分類的卷積神經(jīng)網(wǎng)絡(luò)通常在最后層使用分類器，如softmax。圖1示出了現(xiàn)有技術(shù)中的典型卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。如圖1所示，該典型卷積神經(jīng)網(wǎng)絡(luò)包括輸入層、卷積層、池化層、全連接層和分類器。

輸入層為待處理的對象。

卷積層旨在學(xué)習(xí)輸入的特征表示。如圖1所示，卷積層由幾個特征圖(featuremaps)組成。一個特征圖的每個神經(jīng)元與它前一層的鄰近神經(jīng)元相連，這樣的一個鄰近區(qū)域叫做該神經(jīng)元在前一層的局部感知野。為了計算一個新的特征圖，輸入特征圖首先與一個學(xué)習(xí)好的卷積核(也被稱為濾波器、特征檢測器)做卷積，然后將結(jié)果傳遞給一個非線性激活函數(shù)。通過應(yīng)用不同的卷積核得到新的特征圖。注意到，生成一個特征圖的核是相同的(也就是權(quán)值共享)。這樣的一個權(quán)值共享模式有幾個優(yōu)點，如可以減少模型的復(fù)雜度，使網(wǎng)絡(luò)更易訓(xùn)練等。激活函數(shù)描述卷積神經(jīng)網(wǎng)絡(luò)的非線性度，對多層網(wǎng)絡(luò)檢測非線性特征十分理想。典型的激活函數(shù)有sigmoid、tanh和ReLU。

池化層(也稱下采樣層)旨在通過降低特征圖的分辨率實現(xiàn)空間不變性。它通常位于兩個卷積層之間。每個池化層的特征圖和它相應(yīng)的前一卷積層的特征圖相連，因此它們的特征圖數(shù)量相同。典型的池化操作是平均池化和最大池化。通過疊加幾個卷積和池化層，我們可以提取更抽象的特征表示。

若干個卷積和池化層之后，通常有一個或多個全連接層。它們將前一層所有的神經(jīng)元與自身的每個神經(jīng)元相連接，在全連接層不保存空間信息。

全連接層后面接一個分類器，分類器通常由一個多層感知機(jī)構(gòu)成。

以上介紹的典型的卷積神經(jīng)網(wǎng)絡(luò)因避免了對圖像的復(fù)雜前期預(yù)處理，可以直接輸入原始圖像，因而得到了廣泛的應(yīng)用。然而，在圖像方向判別中，直接使用普通的卷積神經(jīng)網(wǎng)絡(luò)，很難取得比較好的識別效果。其中一個重要的原因是，被識別的樣本中含有大量自身對稱，以致無法識別方向的圖片。

發(fā)明內(nèi)容

在下文中給出了關(guān)于本發(fā)明的簡要概述，以便提供關(guān)于本發(fā)明的某些方面的基本理解。應(yīng)當(dāng)理解，該概述并不是關(guān)于本發(fā)明的窮舉性概述，它并非意圖確定本發(fā)明的關(guān)鍵或重要部分，也不是意圖限定本發(fā)明的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為后文的具體實施方式部分的鋪墊。

鑒于以上提出的問題，本發(fā)明提出了一種用于識別文檔的方向的方法、系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。這種識別文檔方向的方法、系統(tǒng)和神經(jīng)網(wǎng)絡(luò)可以有效地去除自身對稱樣本在方向判別任務(wù)中帶來的干擾，進(jìn)而提升模型的整體精度。

根據(jù)本發(fā)明的一個方面，提供了一種用于識別文檔的方向的方法，包括：提取文檔中的文本行；計算所述文本行為正向的第一正向結(jié)果和為反向的第一反向結(jié)果；計算旋轉(zhuǎn)180度后的所述文本行為正向的第二正向結(jié)果和為反向的第二反向結(jié)果；以及根據(jù)所述第一正向結(jié)果和所述第一反向結(jié)果以及所述第二正向結(jié)果和所述第二反向結(jié)果確定文檔的方向。