基于深度学习的电力设备铭牌识别

• 作者: 张加其 袁建平 陈显龙 陈晓龙 高宇豆
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 文本识别 文本检测 铭牌识别 电力设备 中文文本
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 电气工程
• 页码范围: 2216-2226
• 页数: 11页
• 分类号: TP391.4
• 字数: 7617字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2018.2216

摘要

为了获取铭牌图像中的基本参数信息,提出一种基于深度学习的端到端文本识别模型TDRN(Text Detection and Recognition Network).模型避免了图像裁剪和字符分割,将文本看作一个序列,使用BLSTM(Bidirectional Long Short-term Memory)来获取上下文关系.同时,将文本检测和文本识别整合在同一个网络中共同训练,共享卷积层,以提高整体性能,在文本识别中还引入了注意力机制.模型在公共场景文本数据集SVT(Street View Text)上测试表现良好,F值为68.69％,高于一般的端到端文本识别模型.与传统铭牌识别方法相比,TDRN准确率更高,鲁棒性更强,能适应复杂的电力场景变化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈显龙		11	85	5.0	9.0
2	陈晓龙		10	76	5.0	8.0
3	袁建平		3	9	2.0	3.0
4	张加其	华北电力大学控制与计算机工程学院	3	6	2.0	2.0
5	高宇豆	华北电力大学控制与计算机工程学院	3	6	2.0	2.0