[发明专利]一种基于深度学习的文字识别方法

权利要求书

1.一种基于深度学习的文字识别方法，其特征在于，包括：空间变换层构建阶段以及深层卷积神经网络构建与训练阶段；

所述空间变换层构建阶段包括：

定位网络接收输入的特征图，经过系列隐层，输出空间变换参数，其中，该参数是变换函数作用在特征图上的参数；

网格生成器使用定位网络输出的空间变换参数产生出采样网格；

采样器将输入的特征图以及采样网格作为输入，在采样网格点上对输入的特征图进行采样，最后得到输出特征图结果；

所述深层卷积神经网络构建与训练阶段包括：

构建深层卷积神经网络的结构，将构建的空间变换层设置在深层卷积神经网络的最开始位置得到目标深层卷积神经网络；

采用随机梯度下降法对目标深层卷积神经网络进行训练，进而得到字符识别模型，所述字符识别模型用于对输入的待识别文字图像进行文字识别。

2.根据权利要求1所述的方法，其特征在于，所述定位网络包括两个卷积层，各卷积层的卷积核数量为M，大小为N，步长为s，在每个卷积层后均设置一个最大值池化层，该池化层大小为L，步长为t，在每个池化层后均设置一个ReLU层，在第二个ReLU层后设置一个全连接层，在全连接层后设置一个ReLU层，接着最后一层也是全连接层，用于输出空间变换参数，维度是d。

3.根据权利要求1所述的方法，其特征在于，所述网格生成器使用定位网络输出的空间变换参数产生出采样网格，包括：

由得到输入特征图中的各像素变换后的输出像素，由所有输出像素组成输出特征图中的采样网格，其中，表示输入特征图中在第i个像素的源坐标，表示输出特征图中采样网格在第i个像素的目标坐标，A_θ表示仿射变换矩阵，为定位网络输出的空间变换参数，T_θ为变换函数，G_i表示采样网格中的像素集。

4.根据权利要求3所述的方法，其特征在于，所述采样器将输入的特征图以及采样网格作为输入，在采样网格点上对输入的特征图进行采样，最后得到输出特征图结果，包括：

由得到输出特征图中各像素对应的坐标点的像素值，其中，Φ_x和Φ_y为采样内核k()的参数，是输入特征图的c通道在输入特征图中坐标点(n,m)的像素值，V_i^c是输出特征图的c通道在输出特征图中第i个像素的坐标点的输出像素值，W表示输入特征图的宽，H表示输入特征图的高，C表示输入特征图的通道数。

5.根据权利要求3所述的方法，其特征在于，所述采样器将输入的特征图以及采样网格作为输入，在采样网格点上对输入的特征图进行采样，最后得到输出特征图结果，包括：

由得到输出特征图中各像素对应的坐标点的像素值，其中，表示向下取整，δ()表示克罗内克函数，是输入特征图的c通道在输入特征图中坐标点(n,m)的像素值，V_i^c是输出特征图的c通道在输出特征图中第i个像素的坐标点的输出像素值，W表示输入特征图的宽，H表示输入特征图的高，C表示输入特征图的通道数。

6.根据权利要求3所述的方法，其特征在于，所述采样器将输入的特征图以及采样网格作为输入，在采样网格点上对输入的特征图进行采样，最后得到输出特征图结果，包括：

由得到输出特征图中各像素对应的坐标点的像素值，其中，是输入特征图的c通道在输入特征图中坐标点(n,m)的像素值，V_i^c是输出特征图的c通道在输出特征图中第i个像素的坐标点的输出像素值，W表示输入特征图的宽，H表示输入特征图的高，C表示输入特征图的通道数。