论文部分内容阅读
现实环境中存在各种透视、光影、遮挡等影响,为了提高文字识别系统在大规模复杂环境下对于文字识别的准确率和稳定性,此次研究在ASTER系统中添加基于BiGRU的特征提取网络并优化其矫正网络和识别网络中的算法,以高阶GCN模型和基于可逆残差的注意力机制替换CNN-ResNet模型和二维注意力机制。优化后的系统的识别准确率在收敛后达到81.75%,高于ASTER系统的72.23%。同一训练集下峰值和谷值相差不超过10%,而ASTER系统这一数据为30%左右,其稳定性也大幅度提升。