论文部分内容阅读
在许多工业场景中,需要记录仪表的数据,将数据录入到电脑,这不仅耗时耗力,而且两次的转录可能导致错误的发生。为了提高监控效率,需要对数显仪表数据进行自动识别。针对传统字符分割方法适应性差,准确度低的不足,提出了一种基于深度学习的自动识别数显仪表字符的方法,由字符区域定位网络及字符识别网络构成。字符区域定位网络为改进的Faster R-CNN,将Faster R-CNN的骨干网络改为ResNeXt-101,感兴趣区域池化操作改为精确的感兴趣区域池化操作,以提高分类及定位的准确性。字符识别网络由卷积神经网