[发明专利]一种基于深度学习文字角度识别方法

权利要求书

1.一种基于深度学习文字角度识别方法，其特征在于，包括如下步骤：

步骤1：生成数据集；

步骤2：对生成的数据集进行划分；

步骤3：选用训练学习用的分类模型、优化器以及损失函数；

步骤4：设置识别模型的各项学习参数，根据所设定的参数进行迭代学习，直到损失函数值下降非常缓慢；

步骤5：完成训练，得到最终字体图像旋转分类模型。

2.根据权利要求1所述的基于深度学习文字角度识别方法，其特征在于，所述步骤1中数据集的具体生成方法为：选用3500个常用汉字，每个汉字用不同字体、不同颜色、不同旋转角度类别、以及不同仿射变换随机生成数据集。

3.根据权利要求1所述的基于深度学习文字角度识别方法，其特征在于，所述步骤2的具体步骤为：将生成的数据集按比例划分成训练数据集以及测试数据集，训练数据集在生成的数据集中的占比为75％-90％。

4.根据权利要求1所述的基于深度学习文字角度识别方法，其特征在于，所述步骤3的具体步骤如下：

步骤3.1：选用ResNet50卷积神经网络模型作为字体角度分类模型；

步骤3.2：选用Adam优化器作为汉字旋转角度识别模型训练的优化器；

步骤3.3：选用交叉熵损失函数作为汉字旋转角度识别模型训练的损失函数。

5.根据权利要求1所述的基于深度学习文字角度识别方法，其特征在于，所述步骤4中的学习参数包括：基础学习率、批次大小、Adam优化器参数以及最大迭代次数。