基于深度學(xué)習(xí)的自然場景文字識別.pdf

1、與一般的視覺元素不同，文字包含了豐富的高層語義信息，能夠幫助計算機更為準(zhǔn)確地解讀圖像內(nèi)容。這對圖像理解有著重要的學(xué)術(shù)意義。此外，工業(yè)界對自然場景中的文字識別技術(shù)也有著極大需求。文字識別技術(shù)在虛擬現(xiàn)實、人機交互、圖像檢索、無人駕駛、車牌識別、工業(yè)自動化等領(lǐng)域中有著廣泛的應(yīng)用。傳統(tǒng)光字符識別技術(shù)(OCR)主要面向高質(zhì)量的文檔圖像。此類技術(shù)假設(shè)輸入圖像背景干凈、字體簡單且文字排布整齊，在符合要求的情況下能夠達到很高的識別水平。與文檔文字識別不

2、同，自然場景中的文字識別則面臨著圖像背景復(fù)雜、分辨率底下、字體多樣、分布隨意等挑戰(zhàn)，傳統(tǒng)光學(xué)識別技術(shù)在此類情況下幾乎無法被應(yīng)用。作為大量相關(guān)技術(shù)的基礎(chǔ)工作，自然場景文字識別的不斷發(fā)展和突破具有深遠(yuǎn)的研究意義和實際價值。本文結(jié)合深度學(xué)習(xí)技術(shù)，提出了一套針對自然場景文字的識別方法。本文主要工作如下：
　　1.提出了基于CNN和BiRNN的、結(jié)合上下文的圖像編碼方法。利用CNN從底層像素中獲得高層視覺特征，并利用CNN局部感知特性建立起

3、高層特征與底層像素的位置關(guān)系，然后利用BiRNN捕獲圖像全局信息。實驗表明該編碼方法具有良好的表達能力。
　　2.提出了基于ARSG的文字解碼方法，同時完成字符定位和文字識別功能。ARSG利用RNN完成序列標(biāo)注任務(wù)。并在逐字符分類過程中，利用注意力機制，對當(dāng)前神經(jīng)網(wǎng)絡(luò)的關(guān)注點進行建模，從而得到每個字符在圖像中的位置。同時，利用啟發(fā)式規(guī)則和延遲生成技術(shù)，提高了識別的效率和精度。實驗表明，該方法能夠獲得較好的字符定位和文字識別效果。<