【摘 要】
：
光学字符识别（Optical Character Recognition,OCR）技术始于上个世纪六十年代中期。深度神经网络出现后,识别对象由印刷体字符发展为自然场景字符,目前基于深度学习的OCR已经成为机器视觉领域中的一个重要研究课题。随着中国制造2025的提出,推动我国的工业面向信息化发展,字符识别技术在工业环境中的应用受到了广泛关注。区别于高分辨率、高清晰度的文档字符图像,复杂的工业环境中字
【基金项目】
：
吉林省科技厅重点科技研发项目（20180201057SF）；
论文部分内容阅读
光学字符识别（Optical Character Recognition,OCR）技术始于上个世纪六十年代中期。深度神经网络出现后,识别对象由印刷体字符发展为自然场景字符,目前基于深度学习的OCR已经成为机器视觉领域中的一个重要研究课题。随着中国制造2025的提出,推动我国的工业面向信息化发展,字符识别技术在工业环境中的应用受到了广泛关注。区别于高分辨率、高清晰度的文档字符图像,复杂的工业环境中字符经常存在噪声、划痕、模糊等低质量情况,为字符识别工作带来较大的挑战,严重制约了工业的信息化进程。本文将工业环境字符分为生产线采集字符和远距离成像采集字符两类情况,通过构建不同的深度神经网络模型分别解决识别的困难,主要工作如下:（1）对于工业生产线采集字符存在噪声、划痕等干扰信息的情况,通过挤压-激励-重标定的方法构建了基于通道注意力机制的CRNN字符识别模型。通道注意力机制通过增加关键特征通道的权重,提高了字符特征在特征图中的表达能力,进而提升了模型的鲁棒性。实验结果表明,基于通道注意力机制的CRNN模型显著提高了工业生产线字符的识别准确率。（2）对于工业环境中远距离成像造成字符图像分辨率低、清晰度差的情况,使用了融合超分辨率模块的字符识别模型Plugnet并进行改进。通过使用Leaky Re LU增强了特征提取过程中信息传递能力;通过使用L1与MS-SSIM的多任务损失函数改善模型在反向传播过程中对于卷积层参数的修正方式,优化了模型的映射关系。使用自然场景字符替代工业环境中远距离成像字符,改进后的模型对于SVT等七个数据集识别准确率均有提高。
其他文献
蛋白质泛素化修饰在细胞信号转导、细胞周期调控、DNA损伤应答和细胞免疫应答等众多生命过程中发挥关键调控作用。研究人员在多种遗传性的退行性疾病中发现了蛋白质泛素化修饰的改变,说明其与相关疾病的发生密切相关,揭示其调控机制对这些疾病的诊疗以及相关药物开发都具有重要意义。通过生物实验已经识别出了大量泛素化蛋白及其修饰位点,然而,生物实验难以进行快速大规模的位点识别。因此,生物信息学方法被引入到该研究领域
近年来,随着我国经济飞速发展,房地产行业在其中起着至关重要的作用。房地产价值的变动也会体现出国家经济发展的变化,而国家经济的波动或者国家针对房地产的宏观调控也会影响着房地产价值的走势,因此对于房地产的深入研究对国家发展或是国民生活都有着重要意义。然而真实的市场中存在各种各样的因素影响房产价值,因此对房产价值的评估变得十分困难。本文应用长春真实的房地产数据,通过多模态特征提取,对评估房产价值以及探究
随着图像数量日益激增,让机器自动识别图像内容,并用符合人们阅读习惯的语句描述图像内容的图像文本描述技术,成为目前人工智能领域一项重要的研究内容。图像文本描述技术的主要目标是让机器实现“看图说话”,“看图说话”同时也是幼儿教育的主要任务之一。通过图像文本描述技术,幼儿跟随机器一起进行“看图说话”,这将在一定程度上辅助引导幼儿理解图像内容,激发幼儿的学习兴趣。本文的研究目标是利用图像文本描述技术设计并
最小顶点覆盖问题（MVC）是组合优化领域的一类常见问题,在这类问题中,部分顶点覆盖问题（PVC）是其中一个热门研究方向。我们生活中很多问题都可以转化为PVC问题,比如监控设备安装问题、高校教师排课系统、网络优化问题、线路规划问题等。PVC问题属于NP难问题,也就是说随着数据规模的增大,问题的求解时间往往呈指数级增长,这种情况下要求出问题的精确解所需要的时间开销是难以忍受的,因此近似算法成为解决PV
翻译后修饰（PTM）是指在蛋白质生物合成后对蛋白质进行共价修饰,通常是酶修饰。蛋白质翻译后修饰在蛋白质的加工、成熟以及改变蛋白质的物理和化学性质中起着非常重要的作用。蛋白质亚硝基化是一种重要的、可逆的蛋白质翻译后修饰,涉及一系列生物过程。此外,越来越多的人类疾病被发现与亚硝基化异常密切相关。因此,识别和理解亚硝基化对于细胞生物学的研究、疾病治疗十分重要。亚硝基化位点的准确预测不仅有助于揭示亚硝基化
随着在线医疗服务平台的发展,积累了大量的电子健康记录,使得患者可以从丰富的医疗信息资源中获得更好的医疗服务。然而,患者很难从复杂的信息资源中找到最适合医治自己疾病的医生。这些医疗数据中存在许多无法察觉但是又十分重要的联系,所以发现数据中内部关联对于疾病预测及医生推荐问题具有一定的研究价值。有效分析和挖掘电子健康记录对患者及时、准确获得治疗也具有重要意义。传统的医疗诊断方式往往凭借医生的专业知识和实
蛋白质结构预测的研究对了解蛋白质功能、促进蛋白质工程以及药物的研发具有重要意义。而跨膜蛋白则是蛋白质中结构比较特殊的一类蛋白,其通过特殊的跨膜结构穿透磷脂双分子层长期稳定地固定在生物膜上,是生物膜功能的主要承担者。因此,跨膜蛋白结构的研究具有非常重要的生物学和医学意义。根据跨膜区结构的不同,跨膜蛋白可以分为α螺旋和β桶状跨膜蛋白两大类。作为跨膜蛋白中重要一类的α螺旋跨膜蛋白,其结构的研究对于跨膜蛋
RNA与蛋白质的相互作用在许多重要的生物学过程中起着重要的作用。基于新一代测序技术的创新和发展过程,数以百计的RNA结合蛋白（RBP）及其相应的RNA被逐渐发现。通过对其生物学进程的总结和分析,使得在计算生物学方面,利用机器学习的方法对RNA-蛋白质相互作用进行大规模预测成为可能。到目前为止,在计算生物学领域的学者已经在此问题上探究和开发出了多种计算工具和方法,其中就包括深度学习模型,同时也利用基
在“互联网+”时代,随着信息量的不断扩增,人们的兴趣也变得多种多样,如何使人们在巨量的信息中快速准确地找到符合需求的信息就成为当下亟待解决的问题。推荐系统作为一种有效的信息过滤手段被广泛应用于工业界和学术界,因此对推荐系统的研究也成为最热门的课题。大多数推荐方法一般都采用深度学习与协同过滤相结合的方法,在一定程度上提高了推荐的性能,然而这些方法依然存在以下四个问题:（1）不能捕获用户动态变化的兴趣