基于ResNet和迁移学习的古印章文本识别

• 作者: 陈娅娅 刘全香 王凯丽 易尧华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 古印章文本 文本识别 深度残差网络 迁移学习
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 125-131
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2101-0247

摘要

古印章文本因图像退化与超多分类等特点导致识别难度大,部分字符的标注数据不足造成基于深度学习的模型识别准确率不高,泛化能力差.针对上述问题,提出基于深度残差网络(ResNet)和迁移学习的古印章文本识别方法.使用深度残差网络作为特征提取网络,利用人工合成字符样本作为源域进行预训练.将自建古印章文本识别数据集作为目标域,引入迁移学习并结合数据增强和标签平滑策略建立分类模型.最后,对比多种网络下的识别结果并验证迁移学习有效性.结果表明,该方法可以有效提升识别准确率.