基于空间变换密集卷积网络的图片敏感文字识别
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

国家自然科学基金(61301124,61471075,61671091);重庆科委自然科学基金(cstc2016jcyjA0347);重庆高校创新团队建设计划


Network Image Sensitive Text Recognition Based on Spatial Transformation Network and Dense Neural Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    互联网上含有大量多字体混合、形变、拉伸、左右结构字形、倾斜畸变等复杂场景下的敏感文字图片,在处理相关图片过程中存在特征提取难、识别率低的问题.本文提出基于空间变换网络与密集神经网络的方法对图片敏感文字进行特征提取与变换矫正,使用了深层双向GRU网络与CTC时域连接网络对序列特征信息进行标记预测,序列化处理文本的方式可较好地提升距离较宽文字与模糊文字信息的处理能力.实验结果表明,本模型在Caffe-OCR中文合成数据集和CTW数据集中分别实现了87.0%和90.3%识别准确率,平均识别时间达到了26.3 ms/图.

    Abstract:

    In the process of processing related network pictures, the traditional system is difficult to extract features and it makes the pictures recognition rate becoming inefficiency. In this study, we propose a module based on spatial transformation and dense neural network method to recognize the images, extract text feature, and transform the parameter about sensitive text pictures. The module using the deep GRU and CTC to mark characteristics of sequence prediction information, and serialization of dealing with the text can better improve the ability of wider text and fuzzy text information. Experimental results show that the recognition accuracy of the model in Caffe-OCR Chinese composite data set and CTW data set is 87.0% and 90.3% respectively, and the average recognition time reaches 26.3 ms/graph.

    参考文献
    相似文献
    引证文献
引用本文

林金朝,蔡元奇,庞宇,杨鹏,张焱杰.基于空间变换密集卷积网络的图片敏感文字识别.计算机系统应用,2020,29(1):137-143

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2019-06-04
  • 最后修改日期:2019-06-28
  • 录用日期:
  • 在线发布日期: 2019-12-30
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号