基于卷積神經(jīng)網(wǎng)絡的自然場景文本識別系統(tǒng).pdf

1、自然場景中的文本帶有較多的可以利用的信息，利用獲取的圖像中的內容我們可以更好的認識圖像。這篇文章主要研究自然場景的圖像中的單詞檢測和識別內容。在自然場景中圖像的單詞識別要比識別可以瀏覽的文本中的單詞的難度要大的多，而且自然場景中的圖像的單詞識別更具有實用價值。本文基于先前的工作，提出了一種基于卷積神經(jīng)網(wǎng)絡的自然場景文本識別系統(tǒng)。
　　本文提出的自然場景單詞文本識別系統(tǒng)具體包含四部分的內容。第一部分是海量樣本生成模塊，第二步部分是數(shù)

2、據(jù)與處理模塊，第三部分是文本檢測模塊，第四部分是文本識別模塊。在樣本生成模塊中，本文詳細分析了自然場景下的文本的各樣的特點，比如光照影響，字體形變，陰影，模糊，噪聲等的特點。然后本文利用這些特點制作了一個文本生成器，在制作文本生成器的過程中，本文收集了大約三萬幅圖片，并且除去這些圖片中有文本的，將剩下的圖片作為背景圖片。本文還收集了230種不同的字體，五千個常見的單詞，并利用這些資源和自然場景中文本的特征生成三百萬個字符訓練樣本，為訓練

3、深度卷積神經(jīng)網(wǎng)絡成為可能。在圖像的預處理模塊中，本文的原始數(shù)據(jù)總共經(jīng)過三個處理步驟，第一個是對比度歸一化，這一步主要是保證圖像的圖像的數(shù)據(jù)都在零附近。圖像預處理的第二步是主成分分析法降維，第三部ZCA白化，這兩部的主要目的是維數(shù)約減去除圖像的像素之間的相關性。在本文檢測模塊中，本文首先利用帶有5個卷積層的神經(jīng)網(wǎng)絡訓練了一個二類分類器，這個分類器能夠區(qū)分字符和非字符的圖像塊并輸出圖像塊的字符得分響應。文本檢測的后處理部分根據(jù)字符塊的響應得