文献类型：期刊文章

作　　者：陈晓龙[1] 陈显龙[1] 袁建平[1] 高宇豆[2] 张加其[2]

CHEN Xiao-long;CHEN Xian-long;YUAN Jian-ping;GAO Yu-dou;ZHANG Jia-qi(Beijing Forever Technology Co., Ltd., Beijing 100011, China;School of Control and Computer Engineering,North China Electric Power University,Beijing 102206,China)

机构地区：[1]北京恒华伟业科技股份有限公司,北京100011 [2]华北电力大学控制与计算机工程学院,北京102206

出　　处：《广西大学学报（自然科学版）》

基　　金：北京市科技计划课题(Z171100001217006)

年　　份：2018

卷　　号：43

期　　号：6

起止页码：2216-2226

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、JST、PROQUEST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：为了获取铭牌图像中的基本参数信息,提出一种基于深度学习的端到端文本识别模型TDRN(Text Detection and Recognition Network)。模型避免了图像裁剪和字符分割,将文本看作一个序列,使用BLSTM(Bidirectional Long Short-term Memory)来获取上下文关系。同时,将文本检测和文本识别整合在同一个网络中共同训练,共享卷积层,以提高整体性能,在文本识别中还引入了注意力机制。模型在公共场景文本数据集SVT(Street View Text)上测试表现良好,F值为68. 69%,高于一般的端到端文本识别模型。与传统铭牌识别方法相比,TDRN准确率更高,鲁棒性更强,能适应复杂的电力场景变化。

关 键 词：深度学习  文本识别 文本检测 铭牌识别  电力设备 中文文本

分 类 号：TP391.4]