[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

说明书

本发明公开了一种基于深度学习的科协活动文本标题识别方法，属于文本标题识别技术领域，包括如下步骤：构建深度学习模型；本发明中，通过在内设置有深度学习模块，可对于需要识别的内容领域进行深度学习，在进行识别时，可有效提升识别的准确度与速率，同时在深度学习模块内还具有对于学习内容的深度细分，在后续进行文本标题识别过程中，对于识别内容进行大块分类后，还可进行细分分类，提高了整体识别的精细度，同时在内设置有图像处理模块，进行文本标题识别时，对于获取的图像可进行对比度、模糊度等性质调节，从而可稳定提升获取图像质量，从而可有效保证后续的标题识别准确度与精度，使用效果好，适于推广。

技术领域

本发明属于文本标题识别技术领域，尤其涉及一种基于深度学习的科协活动文本标题识别方法。

背景技术

文本标题识别顾名思义就是对于文本的标题进行识别，也叫文字识别，随着科技的发展，如今已经可通过扫描器直接对于文本的标题进行识别，转换为文字信息，使用效果好，且识别效率高，被广泛应用。

中国专利公开了(CN110210022A)一种标题识别方法及装置，包括将待识别标题的各个词语与各个标题类别的样本特征词表进行匹配，以得到待识别标题在各个标题类别上的样本特征词匹配结果，并根据待识别标题在各个标题类别上的样本特征词匹配结果，计算待识别标题在各个标题类别的评分，以及根据待识别标题在各个标题类别上的评分，确定待识别标题在文本特征维度上的第一评分，以及根据待识别标题的语义特征信息，确定待识别标题在语义特征维度上的第二评分，然后，结合标题在文本特征维度以及语义维度上的评分，准确确定出了标题是否为目标标题。由此，解决了现有标题识别方法中误伤大、泛化能力差以及识别准确率不高的问题，具有准确率高的特点，但标题识别方法内并未设置有对于获取的图像进行处理的步骤，识别时，图像的一些模糊度与对比度等性质均会影响标题识别精度，使用效果不佳，同时，并未设置有细分模块，无法对于标题内容进行识别后的细分，功能并不强大，需要进行一定改进。

发明内容

本发明的目的在于：为了解决传统的标题识别方法内并未设置有对于获取的图像进行处理的步骤，识别时，图像的一些模糊度与对比度等性质均会影响标题识别精度，使用效果不佳，同时，并未设置有细分模块，无法对于标题内容进行识别后的细分，功能并不强大的问题，而提出的一种基于深度学习的科协活动文本标题识别方法。

为了实现上述目的，本发明采用了如下技术方案：一种基于深度学习的科协活动文本标题识别方法，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。

作为上述技术方案的进一步描述：

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。

作为上述技术方案的进一步描述：

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。

作为上述技术方案的进一步描述：

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。