[发明专利]减少深度学习OCR的参数量和计算量的方法与计算机设备及存储介质在审
| 申请号： | 201911227887.7 | 申请日： | 2019-12-04 |
| 公开（公告）号： | CN111027529A | 公开（公告）日： | 2020-04-17 |
| 发明（设计）人： | 黄鸿康;涂天牧;严博宇;赵寒枫;刘新宇 | 申请（专利权）人： | 深圳市新国都金服技术有限公司 |
| 主分类号： | G06K9/20 | 分类号： | G06K9/20;G06K9/62 |
| 代理公司： | 深圳市精英专利事务所 44242 | 代理人： | 李翔宇 |
| 地址： | 518000 广东省深圳市宝安*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 减少 深度 学习 ocr 参数 计算 方法 计算机 设备 存储 介质 | ||
【权利要求书】：
1.一种减少深度学习OCR的参数量和计算量的方法，其特征在于，包括以下步骤：
步骤S1，用卷积层进行特征提取，在这个卷积层提取出的特征的基础上，再同时做两个多层卷积、对应的卷积层再分别用全连接层进行分类；
步骤S2，当推理文字时，分别提取两个全连接网络中最大的预测概率的类，用于表达最终文字的类别；
步骤S3，使用两个全连接网络代替一个全连接网络，两个全连接网络分别输出一个分类概率，对两个分类概率综合获得总的概率。
2.根据权利要求1所述的一种减少深度学习OCR的参数量和计算量的方法，其特征在于，所述步骤S3之后还包括，将两个分类头分别计算ctc-loss,并将连个ctc-loss相加得到最终的loss，以实现端到端的训练。
3.一种减少深度学习OCR的参数量和计算量的计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的OCR程序，所述OCR程序被所述处理器执行时实现如权利要求1-2中任一项所述的减少深度学习OCR的参数量和计算量的方法。
4.一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-2中任一项所述的减少深度学习OCR的参数量和计算量的方法。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市新国都金服技术有限公司，未经深圳市新国都金服技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911227887.7/1.html，转载请声明来源钻瓜专利网。
