基于空间变换密集卷积网络的图片敏感文字识别

• 作者: 庞宇 张焱杰 杨鹏 林金朝 蔡元奇
• 来源期刊: 计算机系统应用
• 关键词: 密集卷积神经网络 空间变换网络 深度双向门控循环单元 时间联结分类器
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 137-143
• 页数: 7页
• 字数: 5433字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007219

摘要

互联网上含有大量多字体混合、形变、拉伸、左右结构字形、倾斜畸变等复杂场景下的敏感文字图片, 在处理相关图片过程中存在特征提取难、识别率低的问题. 本文提出基于空间变换网络与密集神经网络的方法对图片敏感文字进行特征提取与变换矫正, 使用了深层双向GRU网络与CTC时域连接网络对序列特征信息进行标记预测, 序列化处理文本的方式可较好地提升距离较宽文字与模糊文字信息的处理能力. 实验结果表明, 本模型在Caffe-OCR中文合成数据集和CTW数据集中分别实现了87.0%和90.3%识别准确率, 平均识别时间达到了26.3 ms/图.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林金朝	重庆邮电大学光电工程学院	67	381	9.0	18.0
5	庞宇	重庆邮电大学光电工程学院	101	290	8.0	13.0
6	杨鹏	重庆邮电大学通信与信息工程学院	14	51	5.0	6.0
7	蔡元奇	重庆邮电大学光电工程学院	1	0	0.0	0.0
8	张焱杰	重庆邮电大学光电工程学院	1	0	0.0	0.0