结合密集神经网络与长短时记忆模型的中文识别

• 作者: 张艺玮 王馨悦 董兰芳 赵一嘉
• 来源期刊: 计算机系统应用
• 关键词: 中文识别 端到端 密集卷积神经网络 双向长短时记忆模型 时域连接模型
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 专论·综述
• 页码范围: 35-41
• 页数: 7页
• 字数: 5334字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006647

摘要

文本图像识别是计算机视觉领域一项重要任务,而其中的中文识别因种类繁多、结构复杂以及类间相近等特点很具挑战性.为改善这一问题,使用文本行端到端的识别模型.首次提出利用密集卷积神经网络(DenseNet)提取文本图像底层特征,同时避免手工设计、统计图像特征的繁琐;将整行图像特征直接送入双向长短时记忆模型(BLSTM)进行局部相关性分析,减少字符定位分割这一步骤;最后采用时域连接模型(CTC)解码获得识别的文本信息.实验表明所提出的模型可以高效的进行图像文本行的识别,并对图像的多种形变具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董兰芳	中国科学技术大学计算机科学与技术学院	58	518	13.0	21.0
2	王馨悦	中国科学技术大学计算机科学与技术学院	11	36	3.0	5.0
3	张艺玮	中国科学技术大学计算机科学与技术学院	1	4	1.0	1.0
4	赵一嘉		1	4	1.0	1.0