[发明专利]基于权重自定义的目标检测分式识别方法有效

专利信息
申请号: 202010144718.3 申请日: 2020-03-04
公开(公告)号: CN111325177B 公开(公告)日: 2023-05-12
发明(设计)人: 田博帆 申请(专利权)人: 南京红松信息技术有限公司
主分类号: G06V30/413 分类号: G06V30/413;G06V20/62;G06V30/148;G06V30/19
代理公司: 南京正联知识产权代理有限公司 32243 代理人: 顾伯兴
地址: 210022 江苏省南京*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 权重 自定义 目标 检测 分式 识别 方法
【说明书】:

发明涉及一种基于权重自定义的目标检测分式识别方法,包括以下步骤:(1)字符标注:首先对分数中所包含的每个字符进行标签化处理;(2)自定权重:通过自定义进行权重分配和分式识别;(3)模型训练:分N轮迭代训练,获得优化的训练模型,用于单个分式字符的检测;(4)字符检测:字符检测包括字符定位和字符的预测,通过步骤(3)中得到的用于字符的检测的训练模型得到分数中每个字符的检测结果;(5)识别重构:根据步骤(4)获得的的检测结果,将字符的坐标做排序并重构输出分数的分式表达式;(6)解析判断:通过步骤(5)输出的分式表达式结果,对其进行解析并给出判断。该方法解决字符检测的准确性问题,以提高分式的识别率。

技术领域

本发明涉及图像处理技术领域,尤其涉及一种基于权重自定义的目标检测分式识别方法。

背景技术

21世纪,人工智能技术得到了迅猛发展,未来将进入人工智能技术的鼎盛时期,而在技术不断发展的过程中,新的技术将逐渐取代传统的技术,且相比传统的技术方法也更加具优势。

在文本识别领域,众多自动化批阅产品相继诞生,并开始支持各类题型的自动化批阅,其中每种题型都会涉及到相关的不同种技术。因此,整个自动批阅产品代表的是多种复杂技术的集成体。在数学学科的批阅中,会涉及包含分式题型的识别和判断。而传统的分式识别方法,大多采用的是分割法,分别用来获取分子和分母作为导向,将问题的难点归结于分割的准确性。但随着深度学习人工智能技术的引进,分式识别这类问题逐渐变的简易化,且可以通过多种技术方式进行解决,如:端到端的识别,字符的检测等方法。

在此,采用字符检测的方法思想用于分式字符的检测,达到分式识别的目的。因此,并基于该思想,本发明提出了一种基于权重自定义的目标检测分式识别方法,解决了字符检测的准确性问题,以提高分式的识别率。

发明内容

本发明要解决的技术问题是,提供一种基于权重自定义的目标检测分式识别方法,解决了字符检测的准确性问题,以提高分式的识别率。

为了解决上述技术问题,本发明采用的技术方案是:该基于权重自定义的目标检测分式识别方法,具体包括以下步骤:

(1)字符标注:首先对分数中所包含的每个字符进行标签化处理;

(2)自定权重:通过自定义进行权重分配和分式识别;

(3)模型训练:分N轮迭代训练,获得优化的训练模型,用于单个分式字符的检测;

(4)字符检测:字符检测包括字符定位和字符的预测,通过所述步骤(3)中得到的用于字符的检测的训练模型得到分数中每个字符的检测结果;

(5)识别重构:根据步骤(4)获得的所述的检测结果,将所述字符的坐标做排序并重构输出所述分数的分式表达式;

(6)解析判断:通过所述步骤(5)输出的所述分式表达式结果,对其进行解析并给出判断。

作为本发明的优选技术方案,所述步骤(2)中采用目标检测算法YoLo V3的损失函数用于检测分数线,计算公式为:

公式包括三部分损失计算,分别为:坐标损失、置信度损失和类别损失;

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南京红松信息技术有限公司,未经南京红松信息技术有限公司许可,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/202010144718.3/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top