字符識(shí)別作為機(jī)器視覺(jué)領(lǐng)域的一項(xiàng)前沿研究方向,經(jīng)過(guò)近些年的發(fā)展與研究,已經(jīng)廣泛應(yīng)用于現(xiàn)實(shí)生活中的多個(gè)方面,尤其是在工業(yè)生產(chǎn)方面,字符識(shí)別技術(shù)在推動(dòng)工業(yè)生產(chǎn)智能化方面正扮演著越來(lái)越重要的角色。由于工業(yè)生產(chǎn)環(huán)境復(fù)雜,比如產(chǎn)生運(yùn)動(dòng)模糊、位置變化,甚至出現(xiàn)遮擋物、光照條件變化、物理?yè)p傷、裂紋等一系列不確定性干擾因素,傳統(tǒng)字符識(shí)別方法很難保證識(shí)別的準(zhǔn)確性與高效性,嚴(yán)重制約了我國(guó)工業(yè)智能生產(chǎn)的發(fā)展進(jìn)程。隨著深度學(xué)習(xí)算法的不斷發(fā)展,基于卷積神經(jīng)網(wǎng)絡(luò)的字符識(shí)別在機(jī)器視覺(jué)方面的收到了越來(lái)越多的關(guān)注。本文以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)構(gòu)建了用于工業(yè)字符識(shí)別的集成網(wǎng)絡(luò)模型結(jié)構(gòu),在字符識(shí)別尤其是工業(yè)環(huán)境下的字符識(shí)別下取得了良好的識(shí)別效果。本文的主要內(nèi)容如下:（1）構(gòu)建了用于模型訓(xùn)練的字符數(shù)據(jù)集。針對(duì)收集到的工業(yè)環(huán)境下的字符圖像樣本數(shù)量不足的情況,對(duì)數(shù)據(jù)集進(jìn)行了適當(dāng)?shù)臄?shù)據(jù)增強(qiáng)處理,建立的數(shù)據(jù)集包括ICDAR2003自然場(chǎng)景下的部分?jǐn)?shù)據(jù)樣本和經(jīng)過(guò)數(shù)據(jù)增強(qiáng)處理后的工業(yè)字符圖像。（2）針對(duì)卷積神經(jīng)網(wǎng)絡(luò)中網(wǎng)絡(luò)參數(shù)對(duì)識(shí)別效果的影響設(shè)計(jì)了具體對(duì)比實(shí)驗(yàn),探討了卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)對(duì)識(shí)別率的影響,如:神經(jīng)網(wǎng)絡(luò)的深度,卷積核尺寸的大小及其... 

【文章來(lái)源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

工業(yè)環(huán)境下的字符圖像

復(fù)雜背景下的字符圖片

軟件ViDi字符識(shí)別效果圖


本文編號(hào)：2968217