一种基于级联组注意力单视觉模型的场景文字识别方法

    公开(公告)号:CN118865349A

    公开(公告)日:2024-10-29

    申请号:CN202410891801.5

    申请日:2024-07-04

    申请人: 浙江大学

    发明人: 杨依娜 王强 蔡亮

    摘要: 本发明公开了一种基于级联组注意力单视觉模型的场景文字识别方法。本发明提出了级联组注意力单视觉模型,将待识别图像输入到训练好的级联组注意力单视觉模型中,输出获得文字识别结果。级联组注意力单视觉模型中,首先利用矫正网络对待识别图像的不规则场景文字进行矫正,得到矫正后的新图像;再经过双层渐进卷积,得到图像的字符组件嵌入;接着通过高度逐渐下采样的三个特征提取阶段;最后使用基于CTC的并行线性分类器,将特征序列转化为字符序列,得到文字识别结果。本发明在不损失模型精度的同时,有效减少了参数量,具有参数高效、网络轻量、推理速度快的优点。