【《基于CRNN的中文识别模型分析案例》1600字】

基于CRNN的中文识别模型分析案例目录TOC\o"1-3"\h\u15321基于CRNN的中文识别模型分析案例 1260141.1问题分析 1290411.2CRNN模型 1250251.3文本识别结果 51.1问题分析当我们检测到文字所在区域，把候选区域单独提取出来进行识别，需要正确判断文字属性的时候，这时就需要用到中文识别模型。1.2CRNN模型CRNN算法将CNN（卷积）RNN（递归）融合在一起去完成文字识别的工作。CRNN算法的网络结构如图：CRNN网络结构将之前通过CTPN提取得到的文本候选框输入，通过CNN网络进行特征提取。CNN网络核心是卷积层和池化层。卷积核的作用：给定输入图像，输入图像中一个小区域中的像素加权平均后成为输出图像中的每个对应图像，即最后特征图中的一个像素值。卷积过程经过卷积核后图片大小计算公式：out其中：Fsize为卷积核大小，P为图片扩充（padding）大小，S为步长（stride池化的作用：图像中相邻的像素倾向拥有相似的值，因此通常卷积层相邻的输出像素也有相似的值，说明卷积层输出中包含大量的冗余信息。这时就需要池化通过减小输入大小来降低输出值的数量。常见的方式有：maxpooling和meanpooling池化过程下图为CRNN中卷积层的网络结构：卷积层的网络结构CRNN中做了一个改动，最后两个池化层的窗口尺寸发生了改变，由2×2改为1×2，也就是图片的高度减半了4次（除以24），而宽度只减半了两次（除以22）。原因是大多数文本图像的高度小而宽度长，因此它们的特征图在高度，宽度上也是矩形的。使用1×2分组窗口可以尝试确保宽度方向上的信息不会丢失，比如在处理英文字母g和q时可以更好地区分。输入图像为单通道的灰度图像，输入CNN的数据尺寸为（channel×height×width）=1×16×100。CNN的输出尺寸为512×1×25。即由于CNN得到的特征图不能直接输入RNN进行训练，需要将得到的特征图集合按照宽度划分成大小为512×1×1特征序列（Featuresequence），每一条特征序列的每个向量都可以对应原先的感受野。向量关联感受野再将特征序列输入RNN网络，RNN网络中采用双向LSTM（并且堆叠两层）关联上下文，解决传统RNN网络存在的梯度消失问题。RNN层最后输出每个时刻的字符预测概率分布。然后将概率分布矩阵输入到转录层。RNN网络结构转录层（TranscriptionLayer）是将RNN对每个特征序列所做的预测转换成标签（label）序列的过程。单个特征序列对应的感受野特征相同，转换为字符后可能存在多次识别。为了解决此类问题，CTC（ConnectionistTemporalClassification）在原来的分类类别中增加新的空白字符“-”放在第一个位置。每个时刻都会有一个字符概率分布（distribution）,选取每个时刻的概率值组成一条路径，如下图所示：设预测路径为π=−−h−e−l−ll−oo−−，定义B(π)p(l|y)在实际预测过程中，采用贪心算法的思想，寻找的是使每个时刻下概率最大的路径。再将该路径转换为原来的标签序列。l在输出阶段经过CTC的转录，将学习到的序列特征信息转化为最终的识别文本，就可以对整个文本图像进行识别。1.3文本识别结果文本识别效果如图结论：利用双向LSTM学习上下文联系，CTC去除冗余信息，有效提升了文本识别的准确率。训练时CRNN网络将训练图像统一缩放为160×32（width×height）；在测