發(fā)布時(shí)間：2021-03-05 04:58

　　文字是人們進(jìn)行交流的主要方式,使計(jì)算機(jī)能夠識別圖像中的文字內(nèi)容和讓計(jì)算機(jī)生成包含文字內(nèi)容的圖像一直是科研人員研究的技術(shù)之一。同時(shí)進(jìn)行精準(zhǔn)的自然場景文字圖像識別與生成美觀自然場景文字圖像具有很高的實(shí)用價(jià)值。然而,現(xiàn)有場景文字識別算法準(zhǔn)確度依然不足,而使計(jì)算機(jī)生成場景文字圖像還沒有成熟的技術(shù)。因此,本文通過利用深度學(xué)習(xí)技術(shù),提出基于深度學(xué)習(xí)原理的自然場景文字的識別與生成方法。本文提出如下方法:一、針對現(xiàn)有場景文字識別精準(zhǔn)度不足的問題,本文根據(jù)現(xiàn)有Inception網(wǎng)路和Dense Net網(wǎng)絡(luò)進(jìn)行改進(jìn),融合兩種網(wǎng)絡(luò)提取的特征圖。利用卷積神經(jīng)網(wǎng)絡(luò)可以有效提取數(shù)據(jù)的特征,但是網(wǎng)絡(luò)深度決定了數(shù)據(jù)特征提取的能力。根據(jù)卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn),本文提出一種將現(xiàn)有Inception網(wǎng)路和Dense Net網(wǎng)絡(luò)進(jìn)行改進(jìn)融合的網(wǎng)絡(luò)結(jié)構(gòu),通過設(shè)計(jì)不同網(wǎng)絡(luò)結(jié)構(gòu),提取圖像的不同特征進(jìn)行融合,能夠有效獲取圖像的整體特征與細(xì)節(jié)特征。其次,利用文本序列具有上下文關(guān)系的特點(diǎn),本文將通過循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network,RNN）提取文本上下文信息,同時(shí),利用注意力機(jī)制（Attention Mecha... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

含干擾信息的場景文字圖像

緒論2(a)(b)(c)圖1-1含干擾信息的場景文字圖像二、在一幅場景文字圖像中可能包含多國語言，多種不同字符形態(tài)，并且場景文字的大小也不像文檔圖像固定不變。同時(shí)，不同場景文字的字體以及顏色也各不相同，以及文字亮度、對比度也存在較大差異，如圖1-2所示。這些都為場景文字的識別帶來了困難。(a)(b)圖1-2包含不同語言的場景文字圖像三、圖像文字可能有著不同的方向、不同的形變等樣式變化，圖像文字周圍可能

緒論3包含多變的干擾信息，包括文字噪聲以及背景包含與文字相似的信息，比如草地，圍欄，高墻等等，這些都將造成對場景文字識別的影響，如圖1-3所示。由于這些因素的存在，對文字識別干擾會很大，需要通過圖像預(yù)處理手段增強(qiáng)圖像的質(zhì)量。(a)(b)(c)圖1-3不同方向的場景文字圖像四、場景文字圖像數(shù)據(jù)集在采集時(shí)由于其拍攝的角度、距離、方向等原因，以及采集圖像時(shí)的自然環(huán)境，比如天氣情況、白晝等，都會對采集的圖像產(chǎn)生不同程度的透視變換、仿射變換、殘缺、模糊等現(xiàn)象，如圖1-4所示。需要通過有效手段對圖像進(jìn)行校正，從而提高文字識別的效果。(a)(b)圖1-4模糊、變形的場景文字圖像這些原因使得對于光學(xué)字符識別的相關(guān)技術(shù)無法直接在場景文字圖像的識別中得以運(yùn)用。這也是自然場景文字識別具有很大的挑戰(zhàn)原因所在。因此尋找一種通用的且有


本文編號：3064618