基于深度学习的车载屏幕文本检测与识别研究
车载屏幕文本图片显示内容丰富、背景多样性、文本信息较多且大小、方向不定等问题,导致文本检测与识别过程中出现准确率低、检测速度慢的问题,因此提出了一种基于深度学习的车载屏幕文本检测与识别的系统.该系统的文本检测模型采用改进的EAST网络,应用DenseNet网络作为特征提取网络以增强特征重用,为了改善长文本的预测效果,采用区域边界元素预测顶点位置的文本线构造方法,提出了改进的文本检测模型DenseEAST网络;针对识别框架提出了CRNN-X文本识别模型,基于CRNN模型引入深度可分离卷积降低网络参数量,同时网络加入dropout以优化训练过程.实验结果表明,本文的改进方法在公开的数据集和实际车载屏幕场景的文本检测与文本识别上均有较高的准确率,模型在实际的车载屏幕场景中的文本检测准确率为97.3%、文本识别准确率97.6%,能够满足实际场景中的使用需求.
文本检测、文本识别、卷积神经网络、计算机视觉
32
TP391.4(计算技术、计算机技术)
河北省教育厅重点研发项目ZD2017215
2021-05-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
395-402