[發(fā)明專利]一種基于深度學(xué)習(xí)的文字識別方法

在審

• 申請?zhí)枺?/td>: 201710538785.1
• 申請日: 2017-07-04
• 公開（公告）號: CN107273897A
• 公開（公告）日: 2017-10-20
• 發(fā)明（設(shè)計(jì)）人: 凌賀飛;趙航;李平
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/02
• 代理公司: 華中科技大學(xué)專利中心42201
• 代理人: 廖盈春,李智

1.一種基于深度學(xué)習(xí)的文字識別方法，其特征在于，包括：空間變換層構(gòu)建階段以及深層卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建與訓(xùn)練階段；

所述空間變換層構(gòu)建階段包括：

定位網(wǎng)絡(luò)接收輸入的特征圖，經(jīng)過系列隱層，輸出空間變換參數(shù)，其中，該參數(shù)是變換函數(shù)作用在特征圖上的參數(shù)；

網(wǎng)格生成器使用定位網(wǎng)絡(luò)輸出的空間變換參數(shù)產(chǎn)生出采樣網(wǎng)格；

采樣器將輸入的特征圖以及采樣網(wǎng)格作為輸入，在采樣網(wǎng)格點(diǎn)上對輸入的特征圖進(jìn)行采樣，最后得到輸出特征圖結(jié)果；

所述深層卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建與訓(xùn)練階段包括：

構(gòu)建深層卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，將構(gòu)建的空間變換層設(shè)置在深層卷積神經(jīng)網(wǎng)絡(luò)的最開始位置得到目標(biāo)深層卷積神經(jīng)網(wǎng)絡(luò)；

采用隨機(jī)梯度下降法對目標(biāo)深層卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，進(jìn)而得到字符識別模型，所述字符識別模型用于對輸入的待識別文字圖像進(jìn)行文字識別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述定位網(wǎng)絡(luò)包括兩個卷積層，各卷積層的卷積核數(shù)量為M，大小為N，步長為s，在每個卷積層后均設(shè)置一個最大值池化層，該池化層大小為L，步長為t，在每個池化層后均設(shè)置一個ReLU層，在第二個ReLU層后設(shè)置一個全連接層，在全連接層后設(shè)置一個ReLU層，接著最后一層也是全連接層，用于輸出空間變換參數(shù)，維度是d。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述網(wǎng)格生成器使用定位網(wǎng)絡(luò)輸出的空間變換參數(shù)產(chǎn)生出采樣網(wǎng)格，包括：

由得到輸入特征圖中的各像素變換后的輸出像素，由所有輸出像素組成輸出特征圖中的采樣網(wǎng)格，其中，表示輸入特征圖中在第i個像素的源坐標(biāo)，表示輸出特征圖中采樣網(wǎng)格在第i個像素的目標(biāo)坐標(biāo)，A_θ表示仿射變換矩陣，為定位網(wǎng)絡(luò)輸出的空間變換參數(shù)，T_θ為變換函數(shù)，G_i表示采樣網(wǎng)格中的像素集。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采樣器將輸入的特征圖以及采樣網(wǎng)格作為輸入，在采樣網(wǎng)格點(diǎn)上對輸入的特征圖進(jìn)行采樣，最后得到輸出特征圖結(jié)果，包括：

由得到輸出特征圖中各像素對應(yīng)的坐標(biāo)點(diǎn)的像素值，其中，Φ_x和Φ_y為采樣內(nèi)核k()的參數(shù)，是輸入特征圖的c通道在輸入特征圖中坐標(biāo)點(diǎn)(n,m)的像素值，V_i^c是輸出特征圖的c通道在輸出特征圖中第i個像素的坐標(biāo)點(diǎn)的輸出像素值，W表示輸入特征圖的寬，H表示輸入特征圖的高，C表示輸入特征圖的通道數(shù)。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采樣器將輸入的特征圖以及采樣網(wǎng)格作為輸入，在采樣網(wǎng)格點(diǎn)上對輸入的特征圖進(jìn)行采樣，最后得到輸出特征圖結(jié)果，包括：

由得到輸出特征圖中各像素對應(yīng)的坐標(biāo)點(diǎn)的像素值，其中，表示向下取整，δ()表示克羅內(nèi)克函數(shù)，是輸入特征圖的c通道在輸入特征圖中坐標(biāo)點(diǎn)(n,m)的像素值，V_i^c是輸出特征圖的c通道在輸出特征圖中第i個像素的坐標(biāo)點(diǎn)的輸出像素值，W表示輸入特征圖的寬，H表示輸入特征圖的高，C表示輸入特征圖的通道數(shù)。

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采樣器將輸入的特征圖以及采樣網(wǎng)格作為輸入，在采樣網(wǎng)格點(diǎn)上對輸入的特征圖進(jìn)行采樣，最后得到輸出特征圖結(jié)果，包括：

由得到輸出特征圖中各像素對應(yīng)的坐標(biāo)點(diǎn)的像素值，其中，是輸入特征圖的c通道在輸入特征圖中坐標(biāo)點(diǎn)(n,m)的像素值，V_i^c是輸出特征圖的c通道在輸出特征圖中第i個像素的坐標(biāo)點(diǎn)的輸出像素值，W表示輸入特征圖的寬，H表示輸入特征圖的高，C表示輸入特征圖的通道數(shù)。