隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展以及各種具備拍照功能的移動(dòng)終端的普及,各種終端所拍攝到自然場景的圖片往往包含一定的語義信息,因此自動(dòng)檢測和識別圖片中的文字信息具有很廣泛的應(yīng)用場景,例如車牌識別、護(hù)照閱讀器等等。隨著電商的蓬勃發(fā)展,一些店鋪想要與某些電商平臺如美團(tuán)、銀聯(lián)等登記入網(wǎng)的時(shí)候,需要店鋪上傳自己的門店照片信息供平臺審核,而人工審核耗時(shí)費(fèi)力,使用人工智能技術(shù)輔助可以提高工作效率降低錯(cuò)誤率。但傳統(tǒng)的OCR(Optical Character Recognition,光學(xué)字符識別)技術(shù)并無法解決復(fù)雜場景下的文字識別問題。自然場景中的文字識別算法基本分為兩個(gè)步驟:文本檢測和文字識別。目前基于深度學(xué)習(xí)的文本檢測方法主要有兩種,基于候選框或者基于分割的檢測方法。基于候選框的基本思想一般是從圖片中生成大量候選文本框,然后使用NMS(Non-Maximum Suppression,非極大值抑制算法)得到最終結(jié)果。基于分割的算法基本是通過對圖片進(jìn)行像素級的語義分割,然后在分割結(jié)果的基礎(chǔ)上構(gòu)建完整文本行�，F(xiàn)有的模型對于英文字符的檢測和識別都具有比較好的效果,因?yàn)橛⑽淖址叽缁疽恢?且只有26個(gè),類別較少,但是...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１卷積計(jì)算示意圖??

ｔｒｉｘ???一！?「？一?‘?Ｌ?Ｋｅｒｎｅｌ?Ｍａｔｒｉｘ??????????Ｔ７：ｌ?？?????１０５?１０２?１００?｝?９７???－ｒ?－?????０－１０??ｐ——??１０３?９９?１０３?１０１???８９???——?－ｉ?５?－１???＾????１０１?９８?１０....

圖２－２?—個(gè)典型的卷積分類網(wǎng)絡(luò)??２．１．２?ＶＧＧ神經(jīng)網(wǎng)絡(luò)??

?山東大學(xué)碩士學(xué)位論文???強(qiáng)烈的語義特征，同時(shí)保持特征的平移不變性。一個(gè)典型卷積神經(jīng)網(wǎng)絡(luò)通常包含??多個(gè)卷積層和池化層。??｜?／；Ｘ＾＞Ｐｄ〇ｇ??￣Ｌ３４Ｊ?＾?ｉ］ｒ?；＇：?＾ｃ＾ｊ＾ｐｂｉｒｄ??＊－?—??ｍａｘ?ｐｏｏｌｉｎｇ?＾?？??ｃｏｎｖｏｌｕｔｉｏｎ?？....

圖２－３輸入張童在經(jīng)過ＶＧＧ１６時(shí)的尺寸變化過程??２．１．３?ＰｉｘｅｌＬｉｎｋ??

這使得池化后的張量在??長和寬上都縮小了?２倍。??３．?ＶＧＧ１６模型是一種結(jié)構(gòu)簡潔但深層的網(wǎng)絡(luò)結(jié)構(gòu)，通過使用更多更小的卷積??核增加網(wǎng)絡(luò)深度來學(xué)習(xí)更加復(fù)雜的模式。??２２４ｘ２２４ｘ３?２２４ｘ２２４ｘ６４??Ｉ?ｃｏｎｖｏｌｕｔｉｏｎ＋ＲｅＬｕ??１１２ｘ１１２ｘ１２８?｜....

圖２－４并査集算法??

?山東大學(xué)碩士學(xué)位論文??ＧＸｉ＞？?０?ＧＸ＾ＸＤ?０＾０??ＯＱＯ?？０?？??０（５—?—?６?—??圖２－４并査集算法??由于最終的文本邊界框是通過一系列算法從實(shí)例分割的結(jié)果里獲取的，因此??相比于其他檢測方法大大減少了位置回歸所占用的時(shí)間。??５．噪聲去除??對于計(jì)算過....

本文編號：3961654