申请/专利权人：北京睿芯高通量科技有限公司

申请日：2022-11-30

公开（公告）日：2023-04-04

公开（公告）号：CN115909364A

主分类号：G06V30/19

分类号：G06V30/19;G06V30/18;G06V30/16;G06V10/82;G06N3/0464;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.04.21#实质审查的生效;2023.04.04#公开

摘要：本发明公开一种基于深度学习技术下的实时的字帖评分方法，为了矫正由不同光照不同角度导致字帖发生形变的问题，所述方法首先对图片进行位置变换，再利用深度学习的方法进行字体定位检测，并将检测的出的文字利用坐标进行裁剪，然后利用训练的深度学习模型对文字进行识别，同时利用模型中的卷积神经网络对识别出的文字进行特征向量的提取，对所对应的标准汉字进行特征向量的提取，并将二者进行余弦距离的计算，最终完成评分。

主权项：1.一种基于深度学习技术下的实时的字帖评分方法，其特征在于，包括：步骤S1：收集训练测试数据构建图像数据集，具体包括收集不同学生书写的不同笔迹的字贴，并利用不同像素的设备在不同角度不同光照的条件下进行拍照所得到的图像数据组成集合；步骤S2：构建位置变换模块，通过霍夫直线检测与聚类算法对图像数据集中的图像进行位置变换，用以矫正整张图片由于在不同角度不同光照下拍摄所造成的形变；步骤S3：构建文本框定位模块，将位置变换模块输出图像的集合预处理后按照预设比例分别划分为训练集、验证集和测试集，并利用基于深度学习的文字检测模型，对字帖中的所有文字进行定位训练；步骤S4：构建文字识别模块，将经过文本框定位模块定位后的图像按照预设比例分别划分为训练集、验证集和测试集，并通过基于深度学习的文字识别模型对文本框中文字进行识别训练，其中基于深度学习的文字识别模型包括卷积神经网络，用于提取文字特征向量；步骤S5：构建文字相似性对比模块，保存步骤S4中卷积神经网络提取的文字特征向量，将上述文字特征向量所对应的标准楷体汉字库中的汉字输入步骤S4的卷积神经网络提取对应的标准特征向量，将文字特征向量与对应的标准特征向量进行相似性比对得到相似度值；步骤S6：引入排名机制，对识别出的所有的相同的汉字的相似度值进行排序，并通过与基础分进行权重相加计算得到每一汉字的最后评分；以及将待评分字帖图片输入该字帖评分系统进行实时评分，具体为：步骤S7：将待评分字帖图片输入该字帖评分系统，通过步骤S2构建的位置变换模块进行位置变换，通过步骤S3构建的文本定位模块定位文本，通过步骤S4构建的文字识别模块对定位后的文字进行识别，再通过步骤S5构建文字相似性对比模块计算相似度值，最后通过步骤S6引入的排名机制给出最后评分，并输出系统。

全文数据：

权利要求：

百度查询： 北京睿芯高通量科技有限公司 一种基于深度学习技术下的实时的字帖评分方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD