本发明涉及图像识别领域,特别涉及一种基于深度学习的复杂文字识别方法。通过分析文字复杂性的原因,使用随机样本生成器产生的包含待识别图片噪声模型和扭曲特征模型的训练样本来训练深度神经网络;这样的训练样本中包含复杂的噪声和扭曲变形,可以满足各种复杂文字识别的需要;将少量人工标注的第一训练样本集和随机生成的大量第二训练样本集混合后输入所述深度神经网络中,解决了通过深度神经网络来识别文字时需要大量人工标注训练样本的问题;并且在保留了待识别图片的噪声、扭曲等复杂性的前提下,使用最先进的深度神经网络进行自动化学习,避免了现有OCR方法中需要去噪而导致的信息丢失的问题,提高了识别的准确率。
声明:
“基于深度学习的复杂文字识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)