一种复杂场景下的实时不规则文本识别方法
实质审查的生效
摘要
本发明公开了一种复杂场景下的实时不规则文本识别方法。包括:对包含文字的自然复杂场景图像进行预处理后,获得预处理后的文本块图像并输入骨干卷积神经网络中进行特征提取与特征切片后,获得多个切片局部文本特征并分别对应的输入到多个局部自注意力模块中,各个局部自注意力模块并行地进行局部文本特征聚合后,分别对应的输出局部文本特征聚合向量;再输入全局自注意力模块中进行拼接、降采样和全局文本特征提取后,输出全局文本特征向量并输入字符解码模块中进行解码后,输出识别的文本字符串。本发明有效平衡了复杂场景文字识别的速度与精度,不仅在弯曲文本场景效果优异,在水平文本上的识别精度也领先之前的算法,同时速度上更有优势。
基本信息
专利标题 :
一种复杂场景下的实时不规则文本识别方法
专利标题(英):
暂无
公开(公告)号 :
CN114495119A
申请号 :
CN202111452587.6
公开(公告)日 :
2022-05-13
申请日 :
2021-12-01
授权号 :
暂无
授权日 :
暂无
发明人 :
张三元刘旭
申请人 :
浙江大学
申请人地址 :
浙江省杭州市西湖区余杭塘路866号
代理机构 :
杭州求是专利事务所有限公司
代理人 :
林超
优先权 :
CN202111452587.6
主分类号 :
G06V30/40
IPC分类号 :
G06V30/40 G06V30/242 G06V30/10 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-05-31 :
实质审查的生效
IPC(主分类) : G06V 30/40
申请日 : 20211201
申请日 : 20211201
2022-05-13 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载