[发明专利]一种基于深度学习的图书馆自动盘书方法及系统

权利要求书

1.一种基于深度学习的图书馆自动盘书方法，其特征在于，所述方法包括：

步骤S1：获取各书籍对应的原始图像；

步骤S2：对各书籍对应的所述原始图像进行预处理，获得样本数据集；

步骤S3：利用标签工具对所述样本数据集中书名和书名坐标进行标注，获得标签数据集；

步骤S4：采用U-net网络将所述标签数据集输入到EAST网络模型中进行训练，获得预测模型；

步骤S5：对测试集中的书籍进行书名坐标标注，获得多个书名坐标标注图像；

步骤S6：采用python算法对多个所述书名坐标标注图像分别进行裁剪；

步骤S7：将裁剪后的多个所述书名坐标标注图像输入所述预测模型中进行文字识别，获得测试集中各书籍对应的书名。

2.根据权利要求1所述的基于深度学习的图书馆自动盘书方法，其特征在于，所述利用标签工具对所述样本数据集中书名和书名坐标进行标注，获得标签数据集，具体为：

利用labelimg标签工具，将有效的样本图像中文本行的坐标按照从左上角开始顺时针的方向存储在txt格式的文本中，获得标签数据集。

3.根据权利要求1所述的基于深度学习的图书馆自动盘书方法，其特征在于，所述EAST网络模型包括：特征提取层、特征融合层和特征输出层；

所述特征提取层用于对已标注各书名以及各书名对应书名坐标的图像进行特征提取，获得不同尺度特征图像；

所述特征融合层用于采用U-net网络对不同尺度特征图像进行融合，获得融合图像；

所述特征输出层用于根据融合图像输出检测框位置。

4.根据权利要求1所述的基于深度学习的图书馆自动盘书方法，其特征在于，所述对各书籍对应的所述原始图像进行预处理，获得样本数据集，具体为：

利用剪辑工具对各书籍对应的所述原始图像进行分割处理，获得样本数据集。

5.一种基于深度学习的图书馆自动盘书系统，其特征在于，所述系统包括：

获取模块，用于获取各书籍对应的原始图像；

预处理模块，用于对各书籍对应的所述原始图像进行预处理，获得样本数据集；

第一标注模块，用于利用标签工具对所述样本数据集中书名和书名坐标进行标注，获得标签数据集；

训练模块，用于采用U-net网络将所述标签数据集输入到EAST网络模型中进行训练，获得预测模型；

第二标注模块，用于对测试集中的书籍进行书名坐标标注，获得多个书名坐标标注图像；

裁剪模块，用于采用python算法对多个所述书名坐标标注图像分别进行裁剪；

文字识别模块，用于将裁剪后的多个所述书名坐标标注图像输入所述预测模型中进行文字识别，获得测试集中各书籍对应的书名。

6.根据权利要求5所述的基于深度学习的图书馆自动盘书系统，其特征在于，所述第一标注模块，具体为：

利用labelimg标签工具，将有效的样本图像中文本行的坐标按照从左上角开始顺时针的方向存储在txt格式的文本中，获得标签数据集。

7.根据权利要求5所述的基于深度学习的图书馆自动盘书系统，其特征在于，所述EAST网络模型包括：特征提取层、特征融合层和特征输出层；

所述特征提取层用于对已标注各书名以及各书名对应书名坐标的图像进行特征提取，获得不同尺度特征图像；

所述特征融合层用于采用U-net网络对不同尺度特征图像进行融合，获得融合图像；

所述特征输出层用于根据融合图像输出检测框位置。

8.根据权利要求5所述的基于深度学习的图书馆自动盘书系统，其特征在于，所述预处理模块，具体为：

利用剪辑工具对各书籍对应的所述原始图像进行分割处理，获得样本数据集。