申请/专利权人：成都大学

申请日：2024-01-08

公开（公告）日：2024-03-19

公开（公告）号：CN117523543B

主分类号：G06V20/62

分类号：G06V20/62;G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明涉及图像识别技术领域，公开了一种基于深度学习的金属压印字符识别方法，包括获取待检测金属压印字符图像；构建金属压印字符检测模型并进行预训练；利用所述反光特征融合模块将待检测金属压印字符图像中的反光噪声转换为包含字符特征信息的反光特征，再将从不同角度图像提取的反光特征进行融合，生成反光特征融合图像；利用特征提取网络、多尺度特征融合网络和预测网络对反光特征融合图像进行特征提取、多尺度特征融合和特征预测，得到金属压印字符识别结果。本发明可以满足不同反光条件下对压印字符的特征增强，解决现有压印字符识别方法存在的图像特征信息提取不准确、识别准确率低的技术问题。

主权项：1.一种基于深度学习的金属压印字符识别方法，其特征在于，包括以下步骤：获取待检测金属压印字符图像；所述待检测金属压印字符图像包括同一高度不同角度采集的图像；构建金属压印字符检测模型并进行预训练；所述金属压印字符检测模型包括主干网络、多尺度特征融合网络和预测网络；所述主干网络包括反光特征融合模块和特征提取网络；利用所述反光特征融合模块将待检测金属压印字符图像中的反光噪声转换为包含字符特征信息的反光特征，再将从不同角度图像提取的反光特征进行融合，生成反光特征融合图像；所述反光特征融合模块具体包括：反光特征提取单元和反光特征融合单元；所述反光特征提取单元用于先对输入的原始图像进行线性插值，得到尺度减小后的第一图像；然后对第一图像进行模糊处理，得到消除压印字符后的第二图像；再对第二图像进行线性插值，得到尺度还原后的灰度背景图像；最后将原始图像减去灰度背景图像，得到反光特征图像；所述反光特征融合单元用于将对不同角度的原始图像处理得到的反光特征图像进行融合，生成反光特征融合图像；所述反光特征提取单元具体包括：依次连接的第一线性插值层、第一中值滤波层和第二线性插值层；所述第一线性插值层的输入图像与第二线性插值层的输出图像进行灰度相减，得到反光特征提取单元输出的反光特征图像；所述反光特征图像的计算方式为： 其中，表示反光特征图像，表示原始图像，表示灰度背景图像，表示对图像进行线性插值运算，表示对图像进行中值滤波，n表示放大因子，为图像像素坐标；所述反光特征融合图像的计算方式为： 其中，表示反光特征融合图像，表示反光特征图像与反光特征图像的差值图像，表示反光特征图像与反光特征图像的差值图像，表示在0度方向上的反光特征图像，表示在90度方向上的反光特征图像，表示在180度方向上的反光特征图像，表示在270度方向上的反光特征图像；利用特征提取网络、多尺度特征融合网络和预测网络对反光特征融合图像进行特征提取、多尺度特征融合和特征预测，得到金属压印字符识别结果。

全文数据：

权利要求：

百度查询： 成都大学 一种基于深度学习的金属压印字符识别方法

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