面向图像处理的深度学习算法在文本识别中的应用

摘要

文字识别的难点不仅表现在文字的出现形式千差万别、汉字笔画多样以及字体种类繁多;也表现在实际生活中可能出现文字被遮盖或者有复杂的背景等各种各样的情况。为更有效的进行文字识别,基于用于图文识别的卷积递归神经网络(Convolutional Recurrent Neural Network, CRNN)模型提出了一种文字识别模型,并使用Python语言和Keras进行文字识别系统的实现。首先是数据增强算法的设计;其次是特征提取网络的设计;然后是对网络的决策层设计;最后采用一个卷积层去替换最初 CRNN 模型里参数量大以及不易收敛的长短期记忆网络(Long Short-Term Memorynetworks, LSTM)层。运用此方法一方面可以提高文字的识别准确率,另一方面可以降低网络参数以及提高网络的收敛速度。实验结果显示,使用该方法设计的文字识别系统不仅可以对各种字符进行识别,而且识别准确率较高。