石刻碑文的數(shù)字化保存對碑刻歷史研究和文化傳承具有重要意義,但是受風(fēng)化腐蝕和人為破壞影響,碑文普遍存在著字跡殘缺和模糊,碑刻文字識別難度大,數(shù)字化保存困難。目前的碑文文字識別算法由于先驗知識缺乏、特征提取單一等問題,導(dǎo)致識別準(zhǔn)確率不高、算法適用性差。深度學(xué)習(xí)可以通過拓深網(wǎng)絡(luò)深度自動提取到更高級、高區(qū)分度的特征信息可進行有監(jiān)督的訓(xùn)練學(xué)習(xí),在規(guī)則字符識別方面具有較高的魯棒性。因此開展基于深度學(xué)習(xí)的殘損碑文識別算法研究,具有一定應(yīng)用價值。論文在利用投影分割法對碑文圖片進行單字分割的基礎(chǔ)上,針對碑文數(shù)據(jù)收集困難、數(shù)據(jù)量較少問題,采用人工合成的方式生成訓(xùn)練所需的數(shù)據(jù)集;然后設(shè)計了一種跨層卷積神經(jīng)網(wǎng)絡(luò),提高了特征的利用率,實現(xiàn)了對分割后的單字碑文的預(yù)測識別。其次,針對單字分割算法存在切割不準(zhǔn)確以及切割時間較長的問題,設(shè)計了EAST+CRNN的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu);通過EAST網(wǎng)絡(luò)對處理后的碑文圖像實現(xiàn)像素級的分類,然后將自動生成的目標(biāo)框合并修正后,完成單行文字的分割。同時,在RCNN網(wǎng)絡(luò)中通過CNN提取特征信息,利用雙向LSTM網(wǎng)絡(luò)輸出單行的識別概率,最終通過CTC對識別概率匯總輸出結(jié)果。該識別方法更加...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1.緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 殘損文字識別的研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)的字符識別的研究現(xiàn)狀
    1.3 論文的研究內(nèi)容及章節(jié)安排
2.字符檢測識別與深度學(xué)習(xí)理論
    2.1 字符的檢測識別
        2.1.1 圖像的預(yù)處理
        2.1.2 單字切割
        2.1.3 字符特征提取
        2.1.4 字符分類識別
    2.2 深度學(xué)習(xí)方法概述
        2.2.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)的原理
        2.2.3 循環(huán)神經(jīng)網(wǎng)絡(luò)與LSTM
    2.3 基于深度學(xué)習(xí)的目標(biāo)檢測算法
        2.3.1 Faster R-CNN目標(biāo)檢測框架
        2.3.2 YOLO目標(biāo)檢測框架
    2.4 深度學(xué)習(xí)碑文識別的可行性分析
    2.5 本章小結(jié)
3.基于卷積神經(jīng)網(wǎng)絡(luò)的殘損碑文識別算法
    3.1 數(shù)據(jù)集構(gòu)建
    3.2 訓(xùn)練網(wǎng)絡(luò)的設(shè)計
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 采用的網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.3 實驗設(shè)置
    3.3 實驗結(jié)果與分析
        3.3.1 切割實驗結(jié)果分析
        3.3.2 預(yù)測實驗結(jié)果分析
    3.4 本章小結(jié)
4.基于EAST-CRNN的碑文定位識別算法
    4.1 單字切割存在的問題
    4.2 基于EAST的碑文分割
    4.3 CRNN不定長字符識別
    4.4 EAST網(wǎng)絡(luò)訓(xùn)練與分割分析
        4.4.1 網(wǎng)絡(luò)訓(xùn)練
        4.4.2 分割結(jié)果與分析
    4.5 CRNN網(wǎng)絡(luò)訓(xùn)練與預(yù)測分析
        4.5.1 網(wǎng)絡(luò)訓(xùn)練
        4.5.2 預(yù)測結(jié)果與分析
    4.6 本章小結(jié)
5.總結(jié)與展望
    5.1 本文總結(jié)
    5.2 本文展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文
致謝



本文編號：3811631