[发明专利]基于全局特征指导的二维注意力机制文本识别方法

摘要

本发明涉及一种基于全局特征指导的二维注意力机制的文本识别方法，属于图像识别中的文本识别领域。首先使用一个卷积神经网络对输入图片提取特征图，将这个特征图经过两路分支进行处理，一路使用1x1的卷积对特征图进行维度变换，另一路使用一个小的网络从特征图中提取出全局的特征表示。这两路提取出来特征都用作后续解码器的输入。在解码时先输入开始符号，然后将开始符号的特征加上位置编码的特征，然后再和全局特征拼接在一起。解码器根据这个拼接特征，通过二维注意力机制在特征图上去寻找需要识别的第一个文字并识别出答案。有了第一个文字，再把第一个文字和全局特征拼接在一起，去识别第二个文字。一直到解码器识别出文字结束符时停止识别。