基于深度學(xué)習(xí)的OCR圖像文字識(shí)別與段落輸出方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202110884424.9 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN113435449A | 公開(kāi)（公告）日 | 2021-09-24 |
| 申請(qǐng)公布號(hào) | CN113435449A | 申請(qǐng)公布日 | 2021-09-24 |
| 分類(lèi)號(hào) | G06K9/32（2006.01）I;G06K9/46（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分類(lèi) | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 盧紅波 | 申請(qǐng)（專(zhuān)利權(quán)）人 | 全知科技（杭州）有限責(zé)任公司 |
| 代理機(jī)構(gòu) | 杭州奇炬知識(shí)產(chǎn)權(quán)代理事務(wù)所（特殊普通合伙） | 代理人 | 賀心韜 |
| 地址 | 310000浙江省杭州市余杭區(qū)倉(cāng)前街道倉(cāng)興路1號(hào)2幢204B室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開(kāi)了基于深度學(xué)習(xí)的OCR圖像文字識(shí)別與段落輸出方法，具體涉及OCR文字識(shí)別領(lǐng)域，具體操作步驟如下：S1、讀入圖像：將待識(shí)別的圖像上傳/導(dǎo)入，得到可編輯圖像；S2、圖像預(yù)處理：將步驟S1中得到的可編輯圖像進(jìn)行編輯，調(diào)整該圖像到指定大??；S3、加載CTPN預(yù)訓(xùn)練模型：加載CTPN模型，先通過(guò)VGG16提取圖像中的局部圖像特征，再使用BLSTM提取上下文特征，然后用全連接層和多預(yù)測(cè)分支得到坐標(biāo)值和概率值，最后合并字符為文本檢測(cè)框。本發(fā)明在深度學(xué)習(xí)檢測(cè)模型CTPN的基礎(chǔ)上，對(duì)復(fù)雜圖像進(jìn)行分欄分段識(shí)別；在復(fù)雜的多欄場(chǎng)景下對(duì)圖像中的文字進(jìn)行識(shí)別并段落輸出，根本上解決已有OCR識(shí)別中的結(jié)果雜糅問(wèn)題，大大提升結(jié)果的可讀性。 |
