【《基于LW-CharNet的票据文本检测案例分析》7300字】_第1页
【《基于LW-CharNet的票据文本检测案例分析》7300字】_第2页
【《基于LW-CharNet的票据文本检测案例分析》7300字】_第3页
【《基于LW-CharNet的票据文本检测案例分析》7300字】_第4页
【《基于LW-CharNet的票据文本检测案例分析》7300字】_第5页
已阅读5页,还剩10页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于LW-CharNet的票据文本检测案例分析目录TOC\o"1-3"\h\u25680基于LW-CharNet的票据文本检测案例分析 [45]。按照每个模型的数据要求制作了对应每一种模型的训练数据集。在训练过程中进行了对应的调参,并按照Precision,Recall以及H-mean对这些模型在票据数据集上的表现进行了评估。按照H-mean取最优的模型表现数据,制作了表3.2。表3.2六种模型的性能表现实验模型PrecisionRecallH-meanCTPNYolov30.80260.85660.79330.84350.79790.8499EASTPSENetCRAFTLW-CharNet0.87050.90160.91730.92440.83450.92170.92540.93050.85210.91150.91630.9274如表3.2所示,CTPN因为对倾斜的文本效果较差所以综合表现性能是最低的。用于目标检测的Yolov3也可以用于文本检测,但性能表现比较一般。近些年流行的文本检测模型EAST、PSENet、CRAFT等在票据数据集上均达到了较高的文本检测效果。本文提出的LW-CharNet因为使用了更深的上采样以及少量的未池化特征图,相比较其它的文本检测模型有着更高的准确率召回率以及H-mean值。H-mean值可以综合反映模型的文本检测性能。LW-CharNet相比较CRAFT,H-mean值提高了1.11个百分点,相比较其它文本检测模型在票据数据集上同样有着更高的文本检测性能。本章小结在本章中,针对实现票据的文本检测这一目标,为了提高文本检测的性能,减少小字符漏检的情况。本文设计了基于单字符的LW-CharNet文本检测模型,并给出了加速数据集标注和生成标签的方法。LW-CharNet有着更深的上采样以及利用了少量未经池化的特征图。在3种票据图像630张训练数据集上达到了92.44%的准确率、93.05%的召回率以及92.74%

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论