龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：山东环球软件股份有限公司
摘要：本发明涉及字符识别技术领域，更进一步地，涉及基于深度学习的OCR错漏检测方法。所述方法包括：步骤1：对目标文本图像进行预处理，得到预处理图像；步骤2：使用卷积神经网络从预处理图像中提取特征；将提取的特征输入递归神经张量网络进行特征表示学习，输出每个时刻的隐藏状态；步骤3：使用条件随机场对递归神经张量网络输出的隐藏状态进行序列标注；步骤4：针对检测出的错漏位置，使用贝叶斯方法进行校正，输出校正的错漏位置。本发明提高了系统的错漏检测和校正能力，增强了系统在处理复杂和多变文本数据时的鲁棒性和适应性。
主权项：1.基于深度学习的OCR错漏检测方法，其特征在于，所述方法包括：步骤1：对目标文本图像进行预处理，得到预处理图像；步骤2：使用卷积神经网络从预处理图像中提取特征；将提取的特征输入递归神经张量网络进行特征表示学习，输出每个时刻的隐藏状态；步骤3：使用条件随机场对递归神经张量网络输出的隐藏状态进行序列标注；再使用极端梯度提升的方法，对序列标注后的隐藏状态进行错漏检测，检测出错漏位置；步骤4：针对检测出的错漏位置，使用贝叶斯方法进行校正，输出校正的错漏位置；步骤3中，再使用极端梯度提升的方法，对序列标注后的隐藏状态进行错漏检测，检测出错漏位置的方法包括：将条件随机场输出的序列标注结果和对应的隐藏状态作为训练数据；构建极端梯度提升模型，以隐藏状态作为输入特征，以序列标注结果作为输出；对于每个隐藏状态，提取其特征向量，包括其前后3个时刻的隐藏状态，形成一个上下文窗口，以捕捉序列信息；对于每个隐藏状态，使用序列标注结果作为监督信息；使用训练数据训练极端梯度提升模型；训练过程中，通过不断调整模型参数，最小化损失函数，以提高模型对错漏检测的准确率；对于新的目标文本图像，使用训练好的极端梯度提升模型对序列标注后的隐藏状态进行错漏检测，检测出错漏位置；所述损失函数为交叉熵损失函数。
全文数据：
权利要求：
百度查询： 山东环球软件股份有限公司 基于深度学习的OCR错漏检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号