双网络模型下的智能医疗票据识别方法

• 作者: 唐新功 文畅 李长晟 盛冠群 谢凯 郑祖兵
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 票据识别 票据校正 字符识别 文本定位
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 141-148
• 页数: 8页
• 分类号: TP391.43
• 字数: 6017字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0192

摘要

为了满足医疗行业大量针式票据录入工作的需求,解决传统人工录入方式效率低、精度低的问题,构建了双网络模型下的针式打印字体医疗票据识别方法.传统目标检测网络的参数同时描述了目标的位置与类别信息,其用于大规模定位识别任务时由于参数量庞大导致网络极难以训练,为解决以上问题,提出了双网络模型方法以联合FasterRCNN与深度卷积神经网络实现票据中字符的定位与识别,双网络将定位与识别分步进行以降低任务的复杂度.实验采用自建票据数据集与字库数据集进行网络训练,利用现场采集的票据验证了算法的有效性,通过测试不同参数下模型的性能来选定最佳参数,并对比分析了该方法与传统方法的识别效果.实际测试表明,识别准确率达95.4％,召回率达92.7％,速度达0.76 s/张.