[发明专利]一种基于深度学习的科协活动文本标题识别方法

权利要求书

1.一种基于深度学习的科协活动文本标题识别方法，其特征在于：包括如下步骤：

S1、构建深度学习模型；

S2、对学习信息数据之间规律原则进行线性规划；

S3、将S2中进行训练后的数据传输至分类器内，形成文本识别系统；

S4、对于学习内容进行细分分类；

S5、对于深度学习且分类的内容进行稳定存储；

S6、识别时，使识别摄像头对准活动文本标题；

S7、对于图像进行处理；

S8、获取图像特征；

S9、进行标题识别；

S10、对识别的标题进行细分类。

2.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S1中，构建深度学习模型，对于科协活动领域的标题内容进行深度学习。

3.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S2中，对学习信息数据之间规律原则进行线性规划，结合分类器提供训练数据模式。

4.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S3中，将S2中进行训练后的数据传输至分类器内进行学习归纳，形成文本识别系统。

5.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S4中，对于学习内容通过神经网络算法进行细分分类。

6.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S5中，对于深度学习且分类的内容进行稳定存储，同时对深度学习算法进行符号表示和原理划分，将数据转化为学习目录进行阵列表示。

7.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S6中，识别时，使识别摄像头对准活动文本标题，对于标题图像信息进行获取。

8.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S7中，对于图像进行处理，其具体步骤为：

H1、对于获取图像进行对比度调节；

H2、对于获取图像进行模糊消除处理；

H3、对于获取图像进行亮度调节；

H4、对于获取图像进行灰度调节；

H5、对于获取图像进行色域调节。

9.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S8中，获取图像特征，对于标题文本进行文字识别。

10.根据权利要求1所述的一种基于深度学习的科协活动文本标题识别方法，其特征在于，所述S9中，将识别内容与深度学习的内容进行对比，进行标题识别，若标题为科协活动类别，则指示灯亮绿灯，若标题不为科协活动类别，则指示灯亮红灯。