CN117409400A - 基于深度学习网络的复杂条件字符识别方法 - Google Patents
基于深度学习网络的复杂条件字符识别方法 Download PDFInfo
- Publication number
- CN117409400A CN117409400A CN202311347751.6A CN202311347751A CN117409400A CN 117409400 A CN117409400 A CN 117409400A CN 202311347751 A CN202311347751 A CN 202311347751A CN 117409400 A CN117409400 A CN 117409400A
- Authority
- CN
- China
- Prior art keywords
- convolution
- character
- character recognition
- layer
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000013135 deep learning Methods 0.000 title abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000002401 inhibitory effect Effects 0.000 claims abstract description 3
- 238000005728 strengthening Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000009432 framing Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 241000282326 Felis catus Species 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 235000013305 food Nutrition 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000002679 ablation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 235000013365 dairy product Nutrition 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 235000021485 packed food Nutrition 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 102100032202 Cornulin Human genes 0.000 description 1
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/766—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using regression, e.g. by projecting features on hyperplanes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/146—Aligning or centring of the image pick-up or image-field
- G06V30/147—Determination of region of interest
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
- G06V30/18019—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections by matching or filtering
- G06V30/18038—Biologically-inspired filters, e.g. difference of Gaussians [DoG], Gabor filters
- G06V30/18048—Biologically-inspired filters, e.g. difference of Gaussians [DoG], Gabor filters with interaction between the responses of different filters, e.g. cortical complex cells
- G06V30/18057—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/186—Extraction of features or characteristics of the image by deriving mathematical or geometrical properties from the whole image
- G06V30/189—Scale-space domain transformation, e.g. with wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1918—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Biomedical Technology (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了基于深度学习网络的复杂条件字符识别方法,属于字符识别技术领域。本发明的字符识别方法采用的系统包括:图像预处理模块、高通滤波引导模块、特征提取模块、检测模块。图像预处理模块用于消除字符随机角度影响;高通滤波引导模块用于强化字符的高频特征,突出其边缘信息;特征提取模块用于强调高频边缘信息消除模糊的同时抑制连续杂波特征干扰,检测模块设计解耦检测头,使得网络更加分别专注于回归和分类输出,本发明解决了工况复杂、脏污和水渍以及产线高速运动引起的日期字符杂波噪声干扰和运动模糊的问题,有效地提升了识别精度和效率。
Description
技术领域
本发明涉及基于深度学习网络的复杂条件字符识别方法,属于字符识别技术领域。
背景技术
食品包装生产日期是决定食品安全的重要因素之一,GB 7718-2011《预包装食品标签通则》规定,标签应清晰、醒目、持久,日期标示应清晰标示预包装食品的生产日期,易拉罐食品包装流水工况复杂以及打印装置质量不一,在罐底区域易出现脏污、水渍等现象,导致字符具有杂波等噪声。由于快节奏的生产节拍,对罐底生产日期进行人工目检效率低下,不具有可行性。
字符识别传统方法主要有基于图像匹配和基于统计的方法,“孙晓娜,刘继超,高国华.基于视觉的乳品包装日期喷码缺陷检测技术[J].食品与机械,2018,34(10):100-103+108.”使用灰度模板匹配的方法对乳品包装日期字符进行识别。“马玲,罗晓曙,蒋品群.基于模板匹配和支持向量机的点阵字符识别研究[J].计算机工程与应用,2020,56(04):134-139.”将模板匹配结合支持向量机识别点阵字符。而他们均采用最大类间方差法分割字符,使用投影法切分字符,此方法在具有杂波噪声干扰及图像模糊时鲁棒性差,且都是用像素统计思想提取字符特征,特征单一,对复杂条件的字符识别效果较差。
深度学习的兴起对OCR领域产生了重大影响,字符图像识别的思路从手工设计特征逐渐转变为自动提取深层特征。“Shi B,Bai X,Yao C.An end-to-end trainableneural network for image-based sequence recognition and its application toscene text recognition[J].IEEE transactions on pattern analysis and machineintelligence,2016,39(11):2298-2304.”使用卷积神经网络(Convolutional NeuralNetworks,CNN)提取图像特征,循环神经网络进行序列推理,是文本识别的一个重要模型。“Tian Z,Huang W,He T,et al.Detecting text in natural image with connectionisttext proposal network[C]//European conference on computer vision.Springer,Cham,2016:56-72.”是另一种文字检测算法,它结合CNN与长短时序记忆网络(Long Short-Term Memory,LSTM),相较CRNN能检测多行文本内容。而对于自然场景字符识别,单阶段检测方法“Xing L,Tian Z,Huang W,et al.Convolutional character networks[C]//Proceedings of the IEEE/CVF international conference on computer vision.2019:9126-9136.”通过迭代算法处理多方向和曲线排布字符,但是对于对比度低或具有杂波干扰的字符,此类文本识别方法由于网络层数不够,且无法进行自动特征筛选,仍具有一定局限性。
针对复杂条件下的字符目标,具有模糊和杂波噪声干扰特点,设计一种高速鲁棒的复杂条件下字符识别算法,克服以上缺点,具有重要意义。
发明内容
为了提升复杂条件下具有模糊和杂波噪声干扰特点的字符目标识别精度和识别速度,本发明提供了基于深度学习网络的复杂条件字符识别方法,所述技术方案如下:
本发明的第一个目的在于提供一种字符识别方法,包括:
步骤1:采集待识别的字符图像并进行预处理,包括:提取字符区域,对字符区域进行旋转矫正;
步骤2:针对预处理后的字符图像,采用高通滤波器引导模块强化字符的高频特征,突出边缘信息,减小运动模糊带来的特征丢失;
步骤3:采用patch partition对所述步骤2得到的强化特征图进行分块,然后依次通过4个层级式的特征提取模块完成特征提取,每个特征提取模块包括:Swin T CSPbottleneck;
步骤4:第2、3、4个所述Swin T CSP bottleneck生成的特征图被输入至YOLOv5的FPN+PAN层,分别自顶向下和自底向上进行多尺度特征融合;
步骤5:将所述步骤4得到的融合特征图输入YOLOv5头部的轻量解耦合检测头,得到回归框和类别,在图像上框出字符识别结果,同时返回识别文本。
可选的,所述步骤3中特征提取的过程包括:在主分支上,通过线性变换层对特征通道赋予权重;然后经过n个Swin T block后,与次分支卷积结果拼接;最后使用1×1卷积改变通道数量减小网络参数,输出特征图;
所述Swin T block的处理流程包括:
步骤31:采用LN层对输入特征图X进行归一化;
步骤32:采用W-MSA层对所述步骤31得到的特征图进行注意力计算,然后经过残差计算的方式得到特征图X′;
步骤33:将所述步骤32得到的特征图X′依次经过LN层和带Gelu非线性激活函数的多层感知机计算权重信息,经过与x'的残差计算,得到特征图XL1;
步骤34:将所述步骤33提取的特征依次输入LN层和SW-MSA进行注意力计算,再与特征图XL1进行残差计算,得到特征图X′L1;
步骤35:所述步骤34的输出X′L1再次经过LN层和带Gelu非线性激活函数的多层感知机计算权重信息,再与特征图X′L1进行残差计算,得到特征图XL2。
可选的,所述步骤2中高通滤波器引导模块的计算过程包括:
步骤21:对图像进行快速傅里叶变换将图像转化到频域,然后进行高通滤波保留高频部分信息,再用逆快速傅里叶变换将图像还原;
步骤22:使用灰度线性归一化法将正像素值归一至0到1,同时将iFFT算得的非正值结果置零,突出目标边缘;
步骤23:通过2个深度超参数卷积层对傅里叶变换后的图像初步提取特征;
第一个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作,第二个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作;
步骤24:通过2个深度超参数卷积层待测图像初步提取特征;
第一个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作,第二个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作;
步骤25:将所述步骤23和步骤24的输出进行cat拼接。
可选的,所述步骤1的预处理过程包括:
步骤11:采用双大津法进行图像阈值分割,以提取出字符区域;
步骤12:阈值分割后对图像进行膨胀,获取连通域的最小外接矩形;
步骤13:根据所述最小外接矩形的水平角度计算旋转矩阵,使用所述旋转矩阵对图像进行旋转;
步骤14:根据所述字符区域的长宽先验信息对最小外接矩形进行长宽修正,初步切除杂波噪声区域。
可选的,所述轻量解耦合检测头的计算流程包括:
步骤51:PAN的结果首先进行1×1卷积进行通道压缩;
步骤52:各自送入分类分支和回归分支;
每个分支使用1个3×3的卷积进行信息整合,随后再进行一次1×1卷积转换通道数;
所述分类分支的1个输出通道数为类别数;所述回归分支再分成box位置偏移(x,y,w,h)和回归置信度2个输出,其中,(x,y)为目标框中心点,w和h分别是目标框的宽度和高度。
可选的,所述双大津法采用最大类间方差思想,计算三类像素的类间方差,嵌套遍历两个阈值,使类间方差最大,所述三类像素的类间方差计算方法如下:
σ2=p1(m1-mG)2+p2(m2-mG)2+p3(m3-mG)2
其中,p1、p2、p3为像素被分为3类的概率,m1、m2、m3为3类的像素均值,mG为全局像素均值,取得2个阈值使被分为的3类像素值满足σ最小。
可选的,所述旋转矩阵的计算方法为:
其中,M为计算的旋转矩阵,angel为连通域水平夹角。
本发明的第二个目的在于提供一种字符识别系统,用于上述任一项所述的字符识别方法,所述系统基于包括:
图像预处理模块,用于提取字符区域,并对对字符区域进行旋转矫正;
高通滤波引导模块,用于强化预处理后字符的高频特征,突出其边缘信息,减小运动模糊带来的特征丢失;
特征提取模块,用于抑制杂波噪声和运动模糊产生的灰度值变化和重影,并提取有效的字符特征;
检测模块,用于将提取的字符特征图分别输入回归和分类分支,输出识别结果。
本发明的第二个目的在于提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时,实现上述任一项所述的字符识别方法。
本发明有益效果是:
本发明的字符识别方法,引入了高通滤波器引导模块强化字符的高频特征,突出其边缘信息;还提出了基于Swin T CSP bottleneck的特征提取模块,进一步强调高频边缘信息,消除模糊的同时抑制连续杂波特征干扰,检测模块设计解耦检测头,使得网络更加分别专注于回归和分类输出;相比于现有的字符识别方法,本发明更适用于复杂条件下的字符目标识别。
实验结果证明,本发明的字符识别方法在复杂条件下具备更高的准确率和推理速度,有效提高了复杂条件下字符的识别精度和识别速度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的HPFST-YOLOv5模型整体框架图。
图2是本发明的高通滤波引导器结构图。
图3是本发明的Swin T CSP Bottleneck结构图。
图4是本发明的轻量解耦合检测头结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一:
本实施例提供一种字符识别方法,包括:
步骤1:采集待识别的字符图像并进行预处理,包括:提取字符区域,对字符区域进行旋转矫正;
步骤2:针对预处理后的字符图像,采用高通滤波器引导模块强化字符的高频特征,突出边缘信息,减小运动模糊带来的特征丢失;
步骤3:采用patch partition对步骤2得到的强化特征图进行分块,然后依次通过4个层级式的特征提取模块完成特征提取,每个特征提取模块包括:Swin T CSPbottleneck;
步骤4:第2、3、4个Swin T CSP bottleneck生成的特征图被输入至YOLOv5的FPN+PAN层,分别自顶向下和自底向上进行多尺度特征融合;
步骤5:将步骤4得到的融合特征输入YOLOv5头部的轻量解耦合检测头,得到回归框和类别,在图像上框出字符识别结果,同时返回识别文本。
实施例二:
本实施例提供一种字符识别方法,包括:
步骤1:采集待识别的字符图像并进行预处理,包括:提取字符区域,对字符区域进行旋转矫正;
步骤11:采用双大津法进行图像阈值分割,以提取出字符区域;
步骤12:阈值分割后对图像进行膨胀,获取连通域的最小外接矩形;
步骤13:根据最小外接矩形的水平角度计算旋转矩阵,使用旋转矩阵对图像进行旋转;
步骤14:根据字符区域的长宽先验信息对最小外接矩形进行长宽修正,初步切除杂波噪声区域。
双大津法进行图像阈值分割,以提取出灰度值较高的字符区域。双大津法采用最大类间方差思想,计算三类像素的类间方差,嵌套遍历两个阈值,使类间方差最大,三类像素的类间方差计算方法如下:
σ2=p1(m1-mG)2+p2(m2-mG)2+p3(m3-mG)2
其中,p1、p2、p3为像素被分为3类的概率,m1、m2、m3为3类的像素均值,mG为全局像素均值,取得2个阈值使被分为的3类像素值满足σ最小。
旋转矩阵的计算方法为:
其中,M为计算的旋转矩阵,angel为连通域水平夹角。
步骤2:针对预处理后的字符图像,采用高通滤波器引导模块强化字符的高频特征,突出边缘信息,减小运动模糊带来的特征丢失;
高通滤波器引导模块的计算过程包括:
步骤21:对图像进行快速傅里叶变换将图像转化到频域,然后进行高通滤波保留高频部分信息,再用逆快速傅里叶变换将图像还原;
步骤22:使用灰度线性归一化法将正像素值归一至0到1,同时将iFFT算得的非正值结果置零,突出目标边缘;
步骤23:通过2个深度超参数卷积层对傅里叶变换后的图像初步提取特征;
第一个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作,第二个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作;
步骤24:通过2个深度超参数卷积层待测图像初步提取特征;
第一个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作,第二个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作;
步骤25:将步骤23和步骤24的输出进行cat拼接。
步骤3:采用patch partition对步骤2得到的强化特征图进行分块,然后依次通过4个层级式的特征提取模块完成特征提取,每个特征提取模块包括:Swin T CSPbottleneck;
特征提取的过程包括:在主分支上,通过线性变换层(Linear embedding)对特征通道赋予权重;然后经过2个Swin T block后,与次分支卷积结果拼接;最后使用1×1卷积改变通道数量减小网络参数,输出特征图;
Swin T block的处理流程包括:
步骤31:采用LN层对输入特征图进行标准化;
步骤32:采用W-MSA对步骤31得到的结果进行注意力计算,然后计算与输入特征图的残差;
步骤33:将步骤32得到的残差依次经过LN层和带Gelu非线性激活函数的多层感知机计算权重信息,再计算一次残差,完成这一层的特征提取;
步骤34:将步骤33提取的特征依次输入LN层和SW-MSA进行注意力计算,再与输入特征计算残差;
步骤35:步骤34的输出再次经过LN层和带Gelu非线性激活函数的多层感知机计算权重信息,再计算一次残差,完成这一层的特征提取。
步骤4:第2、3、4个Swin T CSP bottleneck生成的特征图被输入至YOLOv5的FPN+PAN层,分别自顶向下和自底向上进行多尺度特征融合;
步骤5:将步骤4得到的融合特征输入YOLOv5头部的轻量解耦合检测头,得到回归框和类别,在图像上框出字符识别结果,同时返回识别文本。
轻量解耦合检测头的计算流程包括:
步骤51:PAN的结果首先进行1×1卷积进行通道压缩;
步骤52:各自送入分类分支和归回分支;
每个分支使用1个3×3的卷积进行信息整合,随后再进行一次1×1卷积转换通道数;
分类分支的1个输出通道数为类别数;回归分支再分成box位置偏移(x,y,w,h)和归回置信度2个输出。
为了进一步说明本发明的有益效果,进行了对比实验,实验过程与结果介绍如下:
软件环境:64位Windows10操作系统、pytorch 1.10.0深度学习框架。硬件配置方面,计算机CPU为Intel Core i9-12900K,32GB运行内存,GPU为24GB显存的Nvidia GeForceRTX 3090。
开发环境:pycharm2022。
根据实验实际需要和硬件环境调整超参数之后,确定训练batch size为8;训练总轮数为300;选用Adam为优化器;初始学习率设为0.005伴随衰减;权重衰减为0.0005。由于字符的方向唯一性,训练时关闭YOLOv5附带的上下和水平翻转图像增广。
罐底数据集对比实验采用的7个对照算法为双阈值大津法分割+支持向量机进行识别(OTSU+HOG+SVM)、Faster R-CNN+FPN、YOLOv4、YOLOXm、YOLOv5s、YOLOv5和DeformableDETR。其中OTSU+HOG+SVM属于传统图像处理方法,其余为深度学习先进目标检测方法。对比实验从检测精度和算法效率两个角度对算法进行综合评价,所有实验均在相同硬件环境下进行,先在训练集上训练生成权重文件,然后用测试集进行测试,所有深度学习方法都使用相同的预训练模型,测试中置信度阈值设为0.4,NMS阈值设为0.5。
实验结果数据如下表1所示:
表1罐底数据集字符识别方法对比结果
结果表明,本发明在罐底数据集字符识别任务上达到了较高的精度,与其他目标检测模型相比精度更高。同时其OCR的准确率也是最高的,为95.8%。
较YOLOv5m和YOLOXm均提升4%,其FPS较二阶段F-RCNN和Deformable DETR高,略低于原始YOLO系列,为31.3,但也完全达到工业检测节拍要求。传统方法、Faster R-CNN、YOLOXm和YOLOv5系列均受到杂波噪声影响,错误地将部分杂波噪声识别为字符,YOLOv4除了过检之外还有分类错误现象,Deformable DETR检测模型也融合了transformer的自注意力机制,对于杂波噪声有一定抑制作用,结果图中并无错检测,但是其预测框的位置准确度不如本发明方法,且推理速度仅有本发明方法的一半。
在SVHN公开数据集上进行的对比实验选取YOLOv5s和YOLOv5m为对照算法,不使用预处理和预训练,直接将图像送入模型得到识别结果。各项参数设置与第一个对比实验一致。实验结果数据如表2所示:
表2SVHN数据集字符识别方法对比结果
根据表2,原始YOLOv5s和YOLOv5m受杂波噪声和模糊字符影响严重,发生漏检、过检、错误分类问题,特别是深色竖线部分,而本发明改进模型在此方面有所改善,OCR准确率较YOLOv5s和YOLOv5m分别有4.7%和2.6%的提升,证明了本文复杂条件字符识别模型具有较高的先进性和可迁移性。
从表1和表2中得出,本发明在自建的罐底生产日期数据集和SVHN公开数据集上的mAP0.5分别达到99.5%和93.5%。在罐底生产日期数据集中mAP0.75和字符识别准确率分别较YOLOv5s提升4.9%和5.1%;在SVHN公开数据集上mAP0.75和字符识别准确率较YOLOv5s提升2.5%和4.7%。两个数据集推理速度分别可达31.3FPS和37.6FPS,证明本发明对复杂条件下字符具有较好的识别精度和推理速度,工业应用前景较好,可为类似场景的目标识别方法提供参考。
为验证本发明所提出的检测方法的准确率与鲁棒性,设计了如下消融试验。本发明设计并加入了特征提取模块、高通滤波引导模块、检测模块以及预训练模型改进原始YOLOv5。消融实验在原始YOLOv5s上依次添加上述4个改进项,对罐底数据集进行效果验证,共计5组实验,实验结果如表3所示。
表3消融实验结果
在特征提取主干网络中用本发明的Swin T CSP瓶颈模块替换原有卷积模块后mAP0.75提升了2.1%,再加入高通滤波引导器后又提升了0.6%,证明本发明的高通滤波引导的Swin T特征提取主干结构有效提升了模型杂波噪声抑制和特征提取的能力。解耦合检测头和预训练模型的加入又分别在mAP0.75指标上创造了1.2%和1.0%的提升,表明本发明各项改进设计对复杂条件字符识别精度均有提升。
本发明实施例中的部分步骤,可以利用软件实现,相应的软件程序可以存储在可读取的存储介质中,如光盘或硬盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种字符识别方法,其特征在于,所述字符识别方法包括:
步骤1:采集待识别的字符图像并进行预处理,包括:提取字符区域,对字符区域进行旋转矫正;
步骤2:针对预处理后的字符图像,采用高通滤波器引导模块强化字符的高频特征,突出边缘信息,减小运动模糊带来的特征丢失;
步骤3:采用patch partition对所述步骤2得到的强化特征图进行分块,然后依次通过4个层级式的特征提取模块完成特征提取,每个特征提取模块包括:Swin T CSPbottleneck;
步骤4:第2、3、4个所述Swin T CSP bottleneck生成的特征图被输入至YOLOv5的FPN+PAN层,分别自顶向下和自底向上进行多尺度特征融合;
步骤5:将所述步骤4得到的融合特征图输入YOLOv5头部的轻量解耦合检测头,得到回归框和类别,在图像上框出字符识别结果,同时返回识别文本。
2.根据权利要求1所述的字符识别方法,其特征在于,所述步骤3中特征提取的过程包括:在主分支上,通过线性变换层对特征通道赋予权重;然后经过n个Swin T block后,与次分支卷积结果拼接;最后使用1×1卷积改变通道数量减小网络参数,输出特征图;
所述Swin T block的处理流程包括:
步骤31:采用LN层对输入特征图X进行归一化;
步骤32:采用W-MSA层对所述步骤31得到的特征图进行注意力计算,然后经过残差计算的方式得到特征图X′;
步骤33:将所述步骤32得到的特征图X′依次经过LN层和带Gelu非线性激活函数的多层感知机计算权重信息,经过与x'的残差计算,得到特征图XL1;
步骤34:将所述步骤33提取的特征依次输入LN层和SW-MSA进行注意力计算,再与特征图XL1进行残差计算,得到特征图X′L1;
步骤35:所述步骤34的输出X′L1再次经过LN层和带Gelu非线性激活函数的多层感知机计算权重信息,再与特征图X′L1进行残差计算,得到特征图XL2。
3.根据权利要求1所述的字符识别方法,其特征在于,所述步骤2中高通滤波器引导模块的计算过程包括:
步骤21:对图像进行快速傅里叶变换将图像转化到频域,然后进行高通滤波保留高频部分信息,再用逆快速傅里叶变换将图像还原;
步骤22:使用灰度线性归一化法将正像素值归一至0到1,同时将iFFT算得的非正值结果置零,突出目标边缘;
步骤23:通过2个深度超参数卷积层对傅里叶变换后的图像初步提取特征;
第一个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作,第二个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作;
步骤24:通过2个深度超参数卷积层待测图像初步提取特征;
第一个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作,第二个深度超参数卷积层为2个卷积核大小为6*6、步长为1、填充为0的卷积操作;
步骤25:将所述步骤23和步骤24的输出进行cat拼接。
4.根据权利要求1所述的字符识别方法,其特征在于,所述步骤1的预处理过程包括:
步骤11:采用双大津法进行图像阈值分割,以提取出字符区域;
步骤12:阈值分割后对图像进行膨胀,获取连通域的最小外接矩形;
步骤13:根据所述最小外接矩形的水平角度计算旋转矩阵,使用所述旋转矩阵对图像进行旋转;
步骤14:根据所述字符区域的长宽先验信息对最小外接矩形进行长宽修正,初步切除杂波噪声区域。
5.根据权利要求1所述的字符识别方法,其特征在于,所述轻量解耦合检测头的计算流程包括:
步骤51:PAN的结果首先进行1×1卷积进行通道压缩;
步骤52:各自送入分类分支和回归分支;
每个分支使用1个3×3的卷积进行信息整合,随后再进行一次1×1卷积转换通道数;
所述分类分支的1个输出通道数为类别数;所述回归分支再分成box位置偏移(x,y,w,h)和回归置信度2个输出,其中,(x,y)为目标框中心点,w和h分别是目标框的宽度和高度。
6.根据权利要求4所述的字符识别方法,其特征在于,所述双大津法采用最大类间方差思想,计算三类像素的类间方差,嵌套遍历两个阈值,使类间方差最大,所述三类像素的类间方差计算方法如下:
σ2=p1(m1-mG)2+p2(m2-mG)2+p3(m3-mG)2
其中,p1、p2、p3为像素被分为3类的概率,m1、m2、m3为3类的像素均值,mG为全局像素均值,取得2个阈值使被分为的3类像素值满足σ最小。
7.根据权利要求4所述的字符识别方法,其特征在于,所述旋转矩阵的计算方法为:
其中,M为计算的旋转矩阵,angel为连通域水平夹角。
8.一种字符识别系统,其特征在于,用于实现权利要求1-7任一项所述的字符识别方法,所述系统基于包括:
图像预处理模块,用于提取字符区域,并对对字符区域进行旋转矫正;
高通滤波引导模块,用于强化预处理后字符的高频特征,突出其边缘信息,减小运动模糊带来的特征丢失;
特征提取模块,用于抑制杂波噪声和运动模糊产生的灰度值变化和重影,并提取有效的字符特征;
检测模块,用于将提取的字符特征图分别输入回归和分类分支,输出识别结果。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器执行时,实现如权利要求1-7任一项所述的字符识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311347751.6A CN117409400B (zh) | 2023-10-18 | 2023-10-18 | 基于深度学习网络的复杂条件字符识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311347751.6A CN117409400B (zh) | 2023-10-18 | 2023-10-18 | 基于深度学习网络的复杂条件字符识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117409400A true CN117409400A (zh) | 2024-01-16 |
CN117409400B CN117409400B (zh) | 2024-06-07 |
Family
ID=89491986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311347751.6A Active CN117409400B (zh) | 2023-10-18 | 2023-10-18 | 基于深度学习网络的复杂条件字符识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117409400B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019192397A1 (zh) * | 2018-04-04 | 2019-10-10 | 华中科技大学 | 一种任意形状的场景文本端到端识别方法 |
CN110717493A (zh) * | 2019-09-16 | 2020-01-21 | 浙江大学 | 一种基于深度学习的含堆叠字符的车牌识别方法 |
CN114639090A (zh) * | 2021-10-28 | 2022-06-17 | 中国公路工程咨询集团有限公司 | 一种非可控环境下的鲁棒中文车牌识别方法 |
CN115439857A (zh) * | 2022-11-03 | 2022-12-06 | 武昌理工学院 | 一种基于复杂背景图像的倾斜字符识别方法 |
CN116110036A (zh) * | 2023-04-10 | 2023-05-12 | 国网江西省电力有限公司电力科学研究院 | 基于机器视觉的电力铭牌信息缺陷等级判断方法及装置 |
WO2023191371A1 (ko) * | 2022-03-29 | 2023-10-05 | 주식회사 날비컴퍼니 | 이미지 기반 바코드 인식 방법 및 시스템 |
-
2023
- 2023-10-18 CN CN202311347751.6A patent/CN117409400B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019192397A1 (zh) * | 2018-04-04 | 2019-10-10 | 华中科技大学 | 一种任意形状的场景文本端到端识别方法 |
CN110717493A (zh) * | 2019-09-16 | 2020-01-21 | 浙江大学 | 一种基于深度学习的含堆叠字符的车牌识别方法 |
CN114639090A (zh) * | 2021-10-28 | 2022-06-17 | 中国公路工程咨询集团有限公司 | 一种非可控环境下的鲁棒中文车牌识别方法 |
WO2023191371A1 (ko) * | 2022-03-29 | 2023-10-05 | 주식회사 날비컴퍼니 | 이미지 기반 바코드 인식 방법 및 시스템 |
CN115439857A (zh) * | 2022-11-03 | 2022-12-06 | 武昌理工学院 | 一种基于复杂背景图像的倾斜字符识别方法 |
CN116110036A (zh) * | 2023-04-10 | 2023-05-12 | 国网江西省电力有限公司电力科学研究院 | 基于机器视觉的电力铭牌信息缺陷等级判断方法及装置 |
Non-Patent Citations (1)
Title |
---|
肖天行等: "基于残差和特征分块注意力的激光打码字符分割", 《图学学报》, vol. 44, no. 3, 30 June 2023 (2023-06-30), pages 482 - 491 * |
Also Published As
Publication number | Publication date |
---|---|
CN117409400B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111354017B (zh) | 一种基于孪生神经网络及平行注意力模块的目标跟踪方法 | |
CN109145872B (zh) | 一种基于CFAR与Fast-RCNN融合的SAR图像舰船目标检测方法 | |
CN108665481A (zh) | 多层深度特征融合的自适应抗遮挡红外目标跟踪方法 | |
CN104050471A (zh) | 一种自然场景文字检测方法及系统 | |
CN107464252A (zh) | 一种基于混合特征的可见光与红外异源图像识别方法 | |
CN113888461A (zh) | 基于深度学习的小五金件缺陷检测方法、系统及设备 | |
CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测系统 | |
CN114155445A (zh) | 基于改进YOLOv3的SAR图像目标检测方法 | |
Bai et al. | The generalized detection method for the dim small targets by faster R-CNN integrated with GAN | |
CN107748885B (zh) | 一种对模糊字符进行识别的方法 | |
Junior et al. | Fcn+ rl: A fully convolutional network followed by refinement layers to offline handwritten signature segmentation | |
CN113989806A (zh) | 一种可扩展的crnn银行卡号识别方法 | |
Sun et al. | Image super-resolution reconstruction using generative adversarial networks based on wide-channel activation | |
CN117409400B (zh) | 基于深度学习网络的复杂条件字符识别方法 | |
CN117079095A (zh) | 基于深度学习的高空抛物检测方法、系统、介质和设备 | |
CN116363064A (zh) | 融合目标检测模型和图像分割模型的缺陷识别方法及装置 | |
CN113239865B (zh) | 基于深度学习的车道线检测方法 | |
Dai et al. | Data augmentation using mixup and random erasing | |
Yadav et al. | Image detection in noisy images | |
Wang et al. | EfficientNet-YOLOv5: Improved YOLOv5 Based on EfficientNet Backbone for Object Detection on Marine Microalgae | |
CN115063679A (zh) | 一种基于深度学习的路面质量评估方法 | |
CN114842506A (zh) | 一种人体姿态估计方法及系统 | |
Jiao et al. | Research on convolutional neural network model for sonar image segmentation | |
Tang et al. | Feature extraction for side scan sonar image based on deep learning | |
Tian et al. | Simple-NMS: improved pedestrian detection with new constraints |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |