面向數(shù)字資源聚合平臺(tái)的光學(xué)字符識(shí)別技術(shù)的研究.pdf

1、隨著互聯(lián)網(wǎng)的普及，基于Android、iOS等系統(tǒng)的移動(dòng)設(shè)備的普及度越來(lái)越廣，用戶數(shù)字閱讀的需求也隨之越來(lái)越強(qiáng)烈，數(shù)字資源聚合平臺(tái)的建設(shè)也如火如荼。但是因?yàn)橘Y源數(shù)量龐大、種類繁雜，如何滿足用戶基本功能需求并讓紙質(zhì)資源和數(shù)字資源相互配合使用依然存在大量問(wèn)題。因此，一個(gè)可以滿足數(shù)字資源聚合平臺(tái)苛刻環(huán)境且能夠打通紙質(zhì)資源和數(shù)字資源的應(yīng)用系統(tǒng)變得至關(guān)重要。
　　光學(xué)字符識(shí)別的概念在二十世紀(jì)二十年代末被首次正式提出，在隨后的幾十年內(nèi)取得了極

2、大的發(fā)展。光學(xué)字符識(shí)別對(duì)于人類可能只是一項(xiàng)簡(jiǎn)單而又瑣碎的任務(wù)，但要建立一個(gè)應(yīng)用程序進(jìn)行字符識(shí)別是很困難的，因?yàn)榧夹g(shù)的限制，實(shí)際應(yīng)用中的許多可變因素，例如攝像頭的硬件條件、外界環(huán)境等，都會(huì)對(duì)識(shí)別結(jié)果造成較大的影響。傳統(tǒng)的光學(xué)字符識(shí)別技術(shù)大多基于數(shù)學(xué)領(lǐng)域中的統(tǒng)計(jì)規(guī)律，如常用的模版匹配等。但是隨著技術(shù)和理論的成熟，光學(xué)字符識(shí)別已經(jīng)成為了人工智能、機(jī)器學(xué)習(xí)等領(lǐng)域的熱門(mén)方向之一。在過(guò)去的幾十年中，因?yàn)楣鈱W(xué)字符識(shí)別在許多行業(yè)都有著較高的應(yīng)用需求，其

3、已成為許多學(xué)者的研究目標(biāo)。因此，本文認(rèn)為研究一個(gè)結(jié)合機(jī)器學(xué)習(xí)理論且能夠精確識(shí)別紙質(zhì)資源的系統(tǒng)是非常有意義的。
　　近幾年，機(jī)器學(xué)習(xí)領(lǐng)域中的深度學(xué)習(xí)理論得到了如火如荼的發(fā)展。其概念起源于對(duì)人工神經(jīng)網(wǎng)絡(luò)的研究，其克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在訓(xùn)練網(wǎng)絡(luò)方面的復(fù)雜度，能夠高效的抽象化有用信息并能去除冗余、矛盾的信息。而在光學(xué)字符識(shí)別系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)通常充當(dāng)字符分類器的功能，深度學(xué)習(xí)亦如此。本文開(kāi)發(fā)的字符分類器模塊結(jié)合了深度學(xué)習(xí)網(wǎng)絡(luò)的高度抽象化能力和

4、傳統(tǒng)淺層神經(jīng)網(wǎng)絡(luò)的調(diào)優(yōu)逼近能力，并通過(guò)測(cè)試確定了合理的網(wǎng)絡(luò)參數(shù)、利用識(shí)別準(zhǔn)確率量化了圖像預(yù)處理對(duì)識(shí)別系統(tǒng)的影響及識(shí)別系統(tǒng)的魯棒性，測(cè)試表明與深層網(wǎng)絡(luò)、淺層網(wǎng)絡(luò)和傳統(tǒng)的模版匹配算法相比，改進(jìn)的網(wǎng)絡(luò)學(xué)習(xí)算法都有著一定的優(yōu)勢(shì)。
　　盡管結(jié)合深層網(wǎng)絡(luò)和淺層網(wǎng)絡(luò)的算法有一定的優(yōu)勢(shì)，其也并不是完美無(wú)缺的。雖然在應(yīng)用中可以看出，本系統(tǒng)已經(jīng)基本可以完成字符識(shí)別的任務(wù)，但今后還將繼續(xù)挖掘深度學(xué)習(xí)的潛能，提高識(shí)別能力，并利用不同的技巧來(lái)提升系統(tǒng)的魯棒