[发明专利]一种深度学习场景文本序列识别方法

摘要

本发明涉及一种深度学习场景文本序列识别方法。为了降低池化层降采样带来的负面影响，本发明使用稠密神经网络DenseNet作为卷积层基础模块，同时将稠密神经网络中使用的平均池化操作替换为卷积核为2*2、步长为2的卷积操作用于降采样，并在第三个卷积模块之后加入线性插值模块，将第三个卷积模块的输出结果进行双线性插值，能够在一定程度上恢复降采样丢失的特征信息，进而接入卷积模块加深网络深度，提取更深层次的特征。另外为了提升计算效率，本发明去除了循环层，直接使用卷积层和转录层进行场景文本识别。

主权项

1.一种深度学习场景文本序列识别方法，其特征在于，包括以下步骤：步骤1、对联合线性插值上采样的稠密卷积神经网络进行训练，该联合线性插值上采样的稠密卷积神经网络包括三层稠密模块加卷积模块层、对第三层稠密模块加卷积模块层的输出结果进行双线性差值以增大特征图尺寸的线性差值模块、接收线性差值模块的输出并进行序列特征提取的一层稠密模块层、对稠密模块层的输出进行卷积操作从而产生最终的特征序列的一层卷积层，其中，稠密模块为平均池化操作被替换为卷积核为2*2、步长为2的卷积操作的稠密神经网络；步骤2、实时输入包含文本序列的图像；步骤3、文本序列图像输入训练后的联合线性插值上采样的稠密卷积神经网络得到与步骤2输入的图像相对应的特征序列；步骤4、将特征序列输入转录层中的归一指数函数分类器，得到特征序列中每一帧的预测标签，进而将预测标签输入转录层中的联接时间分类模块，去除冗余字符得到最终文本识别结果。