基于循环神经网络的图像特定文本抽取方法

Yang Hengjie,Yan Zheng,Wu Zongling,Fang Dingbang,Duan Fang

LASER & OPTOELECTRONICS PROGRESS（2019）

引用 5|浏览0

暂无评分

摘要

光学字符识别(OCR)难以针对图像中某些特定文本进行识别,尤其在实际场景中,识别结果通常会包含大量噪声文本.针对这一问题,提出一种基于循环神经网络的双向长短时记忆-条件随机场(BLSTM-CRF)模型.首先利用BLSTM网络捕获OCR识别结果中序列的上下文信息,得到特征序列;然后结合CRF建立模型特征与标签的关系,进行标签预测,通过标签即可得到特定文本.实验结果表明,该方法在场景图像数据集YNIDREAL上可以达到88.52％的准确率,相较于CRF模型,准确率提高了16.39个百分点,证明了本方法的可行性和稳健性.

查看译文

关键词

machine vision, extraction of interest text, optical character recognition, bidirectional long short term memory network, condition random field

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要