为了解决电力设备铭牌背景复杂导致图像特征提取难度大的问题,提出了一种基于监督和卷积循环神经网络算法的电力设备铭牌识别方法。用注意力监督和背景监督网络(Attention Supervision Based and Back Ground Suppression Segmentation ...为了解决电力设备铭牌背景复杂导致图像特征提取难度大的问题,提出了一种基于监督和卷积循环神经网络算法的电力设备铭牌识别方法。用注意力监督和背景监督网络(Attention Supervision Based and Back Ground Suppression Segmentation Network,ASBNet)算法进行文本检测,采用深度残差网络作为网络的骨架,注意力掩膜形成多尺度模块特征和图片细粒度特征,并且用背景抑制模块提高文本前景的感知,提取准确的铭牌图像文本框。将检测到的文本框输入到卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)中进行文字识别。通过试验结果得知,所提方法与残差网络(Residual Network,RestNet)和YOLOv3算法模型相比,F值分别提升了7.56%和10.38%,说明了所提方法用于电力设备铭牌识别中表现更加优越。展开更多
文摘为了解决电力设备铭牌背景复杂导致图像特征提取难度大的问题,提出了一种基于监督和卷积循环神经网络算法的电力设备铭牌识别方法。用注意力监督和背景监督网络(Attention Supervision Based and Back Ground Suppression Segmentation Network,ASBNet)算法进行文本检测,采用深度残差网络作为网络的骨架,注意力掩膜形成多尺度模块特征和图片细粒度特征,并且用背景抑制模块提高文本前景的感知,提取准确的铭牌图像文本框。将检测到的文本框输入到卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)中进行文字识别。通过试验结果得知,所提方法与残差网络(Residual Network,RestNet)和YOLOv3算法模型相比,F值分别提升了7.56%和10.38%,说明了所提方法用于电力设备铭牌识别中表现更加优越。
