一种字符识别方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113642480A(43)申请公布日2021.11.12(21)申请号202110943787.5(22)申请日2021.08.17(71)申请人苏州大学地址215131江苏省苏州市相城区济学路8号(72)发明人张召郑欢张莉王邦军(74)专利代理机构北京集佳知识产权代理有限公司11227代理人王晓坤(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书9页附图2页(54)发明名称一种字符识别方法、装置、设备及存储介质(57)摘要本申请公开了一种字符识别方法、装置、设备及存储介质，该方法包括：采集原始字符图像，生成训练集；构建密集残差神经网络；该网络包括多个连续的残差密集块、紧密连接所有残差密集块且以求和运算构造的全局密集块、由两个卷积层组成的下采样块、转录块；使用训练集对该网络进行训练，利用残差密集块提取局部特征，利用全局密集块提取全局特征，利用下采样块减小全局特征的大小并提取目标特征，以及利用转录块对提取到的目标特征进行预测，并将预测结果转换为识别结果；将待处理字符图像输入至训练完成的密集残差神经网络进行处理，输出字符识别结果。这样可以捕获深层次的结构特征用于字符识别，有效提升字符的识别能力。CN113642480ACN113642480A权利要求书1/2页1.一种字符识别方法，其特征在于，包括：采集原始字符图像，生成训练集；构建密集残差神经网络；所述密集残差神经网络包括多个连续的残差密集块、紧密连接所有所述残差密集块且以求和运算构造的全局密集块、由两个卷积层组成的下采样块、转录块；使用所述训练集对构建的所述密集残差神经网络进行训练，直至网络收敛；在所述密集残差神经网络中，利用所述残差密集块提取局部特征，利用所述全局密集块提取全局特征，利用所述下采样块减小所述全局特征的大小并提取目标特征，以及利用所述转录块对提取到的所述目标特征进行预测，并将预测结果转换为识别结果；将待处理字符图像输入至训练完成的所述密集残差神经网络进行处理，输出字符识别结果。2.根据权利要求1所述的字符识别方法，其特征在于，在所述利用所述残差密集块提取局部特征之前，还包括：将输入的所述训练集的数据经过一个卷积层来提取浅层特征；将提取到的所述浅层特征输入各所述密集残差块。3.根据权利要求2所述的字符识别方法，其特征在于，所述残差密集块包括一个用于局部特征融合的核为1的卷积层和一个用于残差学习的求和运算。4.根据权利要求3所述的字符识别方法，其特征在于，所述利用所述残差密集块提取局部特征，包括：在第一层中将所述浅层特征经过一个卷积层后的输出结果作为第二层的输入；在第二层中将经过一个卷积层后的输出结果和上一层输出结果相加，作为第三层的输入；在第三层中得到第三层的输出结果；将三层的输出结果和所述浅层特征串联，通过所述核为1的卷积层融合不同层的特征同时降低维度，并加上所述浅层特征进行局部的残差学习，相加之后的结果作为所述密集残差块所提取的局部特征。5.根据权利要求4所述的字符识别方法，其特征在于，所述利用所述全局密集块提取全局特征，包括：将每一个所述残差密集块的输入均设置为前面所有所述残差密集块的输出和所述浅层特征的和；将所有所述残差密集块输出的结果和所述浅层特征进行相加，得到的结果作为所述全局密集残差块所提取的全局特征。6.根据权利要求5所述的字符识别方法，其特征在于，所述利用所述转录块对提取到的所述目标特征进行预测，并将预测结果转换为识别结果，包括：将提取的所述目标特征输入分类器进行字符预测，得到预测结果；将所述预测结果经过一个转录层，以将数值结果转换成文字输出，得到识别结果。7.根据权利要求6所述的字符识别方法，其特征在于，所述密集残差块为5个，提取所述浅层特征的卷积层的核为5。8.一种字符识别装置，其特征在于，包括：2CN113642480A权利要求书2/2页图像采集模块，用于采集原始字符图像，生成训练集；网络构建模块，用于构建密集残差神经网络；所述密集残差神经网络包括多个连续的残差密集块、紧密连接所有所述残差密集块且以求和运算构造的全局密集块、由两个卷积层组成的下采样块、转录块；网络训练模块，用于使用所述训练集对构建的所述密集残差神经网络进行训练，直至网络收敛；在所述密集残差神经网络中，利用所述残差密集块提取局部特征，利用所述全局密集块提取全局特征，利用所述下采样块减小所述全局特征的大小并提取目标特征，以及利用所述转录块对提取到的所述目标特征进行预测，并将预测结果转换为识别结果；字符识别模块，用于将待处理字符图像输入至训练完成的所述密集残差神经网络进行处理