[发明专利]一种基于卷积神经网络的电力操作票文字识别方法

权利要求书

1.一种基于卷积神经网络的电力操作票文字识别方法，其特征在于包括以下步骤：

1)获取样本图像，得到训练集；

2)构建仅具有3层卷积层，无池化层，无全连接层的卷积神经网络模型C₀；

3)定义C₀的损失函数；

4)训练得到非线性映射函数F_λ(p),遍历训练集c中所有样本图像，训练输出图像增强计算函数，即非线性映射函数F_λ(p)；

5)基于非线性映射函数F_λ(p)，计算输出图像p的高峰值信噪比图像；

6)使用笔迹特征计算方法，计算高峰值信噪比图像的假想笔画特征、路径签名特征与8方向特征；

7)构建具有6层卷积层、5层池化层和1层全连接层的集成卷积神经网络模型C₁；

8)遍历训练集中所有样本图像，结合假想笔画特征、路径签名特征与8个方向特征，训练得到电力操作票文字识别模型；

9)获取需要识别的电力操作票，通过电力操作票文字识别模型进行文字识别。

2.根据权利要求1所述的一种基于卷积神经网络的电力操作票文字识别方法，其特征在于：在步骤1)中，针对样本图像p_i(p_i∈c,1≤i≤N)得到训练集，其中N是训练集c包含的样本图像总数，获取p_i的M×M数值矩阵A_i，及其对应的清晰图像数值矩阵B_i。

3.根据权利要求2所述的一种基于卷积神经网络的电力操作票文字识别方法，其特征在于：在步骤2)中构建三层卷积神经网络模型C₀，仅含卷积层，选择激活函数ReLU，步长设置为1，不对卷积运算填充0，网络结构为：

4.根据权利要求3所述的一种基于卷积神经网络的电力操作票文字识别方法，其特征在于：在步骤3)中定义损失函数，损失函数目的是获得最小F范数，计算公式如下：

其中λ＝{W_j,b_j}；其中为卷积网络第j层的卷积矩阵，b_j为偏差值，n_j为卷积网络第j层的卷积核个数。

5.根据权利要求4所述的一种基于卷积神经网络的电力操作票文字识别方法，其特征在于：在步骤5)中使用非线性映射函数F_λ(p)，计算训练集c中每一个样本图像p_i对应的增强图像P_i，得到新训练集C(P_i∈C,1≤i≤N)。