[发明专利]一种基于一致性正则训练的场景文本识别系统

权利要求书

1.一种基于一致性正则训练的场景文本识别系统，其特征在于包括监督分支、无监督分支和域适应分支；所述的监督分支接受文本图像X^L作为输入，并计算学生模型的预测分布P^L和标注文本字符串Y^gt之间的交叉熵损失；所述的无监督分支通过弱数据增强和强数据增强将未标记的图像X^U分别转换为两个增强视图X^U1和X^U2；对于输入图像X^U1，教师模型输出预测分布P^U1；对于输入图像X^U2，学生模型输出预测分布P^U2；然后，将弱数据增强视图X^U1的预测分布P^U1作为目标，采用一致性正则化损失，迫使强数据增强视图X^U2的输出P^U2更接近P^U1；所述的域适应分支计算CORAL损失以对齐带标签数据和无标签数据的字符级特征；最后，计算上述三个损失的加权和，并用反向传播算法更新模型。

2.根据权利要求1所述的一种基于一致性正则训练的场景文本识别系统，其特征在于所述的学生模型和教师模型结构相同但是参数不同，均采用场景文本识别模型。

3.根据权利要求2所述的一种基于一致性正则训练的场景文本识别系统，其特征在于所述的场景文本识别模型包括矫正模块、特征提取模块、序列建模模块和预测模块。

4.根据权利要求1所述的一种基于一致性正则训练的场景文本识别系统，其特征在于在无监督分支中在分类层之前为学生模型添加了一个投影模块。

5.根据权利要求4所述的一种基于一致性正则训练的场景文本识别系统，其特征在于所述的投影模块为前馈层模块PFF。