基于深度CNN和极限学习机相结合的实时文档分类

摘要

提出一种文档图像实时分类训练和测试的方法.在实际应用中,数据训练的精确性和高效性在文档图像识别中起着关键的作用.现有的深度学习方法不能满足此要求,因为需要大量的时间用于训练和微调深层次的网络架构.针对此问题,提出一种基于计算机视觉的新方法:第一阶段训练深度网络,作为特征提取器;第二阶段用极限学习机(ELM)用于分类.该方法的性能优于目前最先进的基于深度学习的相关方法,在Tobacco-3482数据集上的最终准确率为83.45％.与之前基于卷积神经网络(CNN)的方法相比,相对误差降低了26％.ELM的训练时间仅为1.156秒,对2 482张图像的整体预测时间是3.083秒.因此,该文档分类方法适合于大规模实时应用.