基于Transformer的证件图像无检测文字识别

• 作者: 肖慧辉 张东波 王旺 王家奎
• 来源期刊: 信息技术
• 关键词: Transformer 端到端模型 无检测文字识别 全局上下文 二维位置编码
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 研究与探讨|RESEARCH AND DISCUSSION
• 页码范围: 78-85,90
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2021.06.015

摘要

深度学习在图像识别的现存模型中,都有检测和识别两个过程,且需借助复杂的网络结构、大量的文本框标注来提高识别准确率.文中针对存在的问题提出了一个简单且鲁棒性强的证件图片无检测文字识别方法,通过嵌入二维特征图中不同序列位置的水平、竖直方向位置编码,将不同子空间的特征表达连接到序列解码器,解码器部分加入了全局上下文模块,网络模型能并行训练并可以快速收敛,通过插入特殊符号直接得到结构化的字段,简化了信息后处理流程,单张图片识别时间在122 ms左右.测试结果表明,模型在身份证扫描件文本图像识别上表现出优越的性能.