面向精准价格牌识别的多任务循环神经网络
为了促进智能新零售在线下业务场景的发展,提高作为销售关键信息价格牌的识别精度.本文对价格牌识别问题进行研究,有效地提高了价格牌的识别精度,并解决小数点定位不准确的难题.通过深度卷积神经网络提取价格牌的深度语义表达特征,将提取到的特征图送入多任务循环网络层进行编码,然后根据解码网络设计的注意力机制解码出价格数字,最后将多个分支的结果整合并输出完整价格.本文所提出的方法能够非常有效地提高线下零售场景价格牌的识别精度,并解决了一些领域难题如小数点的定位问题,此外,为了验证本文方法的普适性,在其他场景数据集上进行了对比实验,相关结果也验证了本文方法的有效性.
卷积神经网络;循环神经网络;文本识别;多任务学习;价格牌识别
48
2022-03-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
608-614