[发明专利]一种基于深度学习训练框架的文字识别方法

权利要求书

1.一种基于深度学习训练框架的文字识别方法，其特征在于，包括以下步骤：

S1、通过摄像头拍摄输入图片；

S2、将图片输入到经过深度学习形成的文字识别模型，得到对应的文字内容。

2.根据权利要求1所述的基于深度学习训练框架的文字识别方法，其特征在于，所述文字识别模型的深度学习过程包括：构造卷积神经网络并进行卷积神经网络求解，卷积神经网络求解包括以下过程：

(1)、选定训练组，从样本集中分别随机地寻求N个样本作为训练组；

(2)、将各权值、阈值，置成小的接近于0的随机值，并初始化精度控制参数和学习率；

(3)、从训练组中取一个输入模式加到卷积神经网络，并给出它的目标输出向量；

(4)、计算出中间层输出向量，计算出网络的实际输出向量；

(5)、将输出向量中的元素与目标向量中的元素进行比较，计算出输出误差；对于中间层的隐单元也计算出误差；

(6)、依次计算出各权值的调整量和阈值的调整量；

(7)、调整权值和调整阈值；

(8)、当经历M后，判断指标是否满足精度要求，如果不满足，则返回(3)，继续迭代；如果满足就进入下一步；

(9)、训练结束，将权值和阈值保存在文件中；此时，各个权值已经达到稳定，分类器已经形成，再一次进行训练，直接从文件导出权值和阈值进行训练，不需要进行初始化。