典型文献
基于多尺度注意力及卷积递归神经网络的端子排文本识别
文献摘要：
端子排文本识别是实现变电站端子排线路智能巡检的重要环节.端子排编号和电缆套管编号字符稠密、尺度变化大、文本区域界定不明显,给端子排文本识别带来挑战.针对该问题,提出一种基于多尺度注意力及卷积递归神经网络(multi-scale attention and convolution recurrent neural network,简称MSA-CRNN)方法,用于端子排文本识别.在文本检测阶段,使用多尺度注意力(multi-scale attention,简称MSA)模块对文本进行检测,解决文本区域界定不明显和文字尺度变化大的问题.在字符识别阶段,使用卷积递归神经网络(convolution recurrent neural network,简称CRNN)对文字进行识别,以提高识别的准确率.实验结果表明:相对于其他4种方法,MSA-CRNN方法更适用于端子排文本识别,有更高的计算性能,识别结果更接近人工标注结果.
文献关键词：
场景文本识别;文本检测;多尺度注意力;卷积递归神经网络
中图分类号：
作者姓名：
郭科;白英;邵雪瑾;王新新;马俊先
作者机构：
宁夏宁电电力设计有限公司 变电设计中心,宁夏 银川 750001
文献出处：
引用格式：
[1]郭科;白英;邵雪瑾;王新新;马俊先-.基于多尺度注意力及卷积递归神经网络的端子排文本识别)[J].安徽大学学报（自然科学版）,2022(06):49-56
A类：
卷积递归神经网络
B类：
多尺度注意力,端子排,变电站,站端,排线,智能巡检,编号,电缆,套管,稠密,尺度变化,本区,区域界定,multi,scale,attention,convolution,recurrent,neural,network,MSA,CRNN,文本检测,字符识别,场景文本识别
AB值：
0.22109
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
