典型文献
融入CTC-Attention机制的文本识别算法研究与应用
文献摘要：
针对自然场景中图像文本检测和识别极易受到各种噪声信息和对比度低等问题的影响,本文提出了一种融合CTC-Attention(Connectionist Temporal Classification-Attention)机制的文本识别算法.在特征提取上,运用CNN网络模型提取文本的静态特征,运用长短时记忆网络LSTM提取文本动态上下文特征,运用混合CTC-Attention机制对输出层的编码进行解码,将混合CTC-Attention机制融入到文本识别算法中,利用CTC对Attention的空间约束作用,可以实现解码过程中更强调特征性,算法更强调当前的特征性,有效地减弱注意力偏移所产生的问题.实验仿真结果显示,该算法可以很好地实现识别效果的提升.
文献关键词：
文本检测;文本识别;卷积神经网络(CNN);CTC—Attention机制
中图分类号：
作者姓名：
胡石;陈心怡;汪辉进;王雪娇
作者机构：
池州职业技术学院机电与汽车系,安徽池州247000;南京工业大学电气工程与控制科学学院,江苏南京210000;无锡机电高等职业技术学校自动化工程系,江苏无锡214000
文献出处：
引用格式：
[1]胡石;陈心怡;汪辉进;王雪娇-.融入CTC-Attention机制的文本识别算法研究与应用)[J].池州学院学报,2022(03):18-20
A类：
B类：
CTC,Attention,文本识别,识别算法,算法研究,自然场景,中图,文本检测,检测和识别,声信,对比度,Connectionist,Temporal,Classification,静态特征,长短时记忆网络,上下文特征,出层,解码,空间约束,特征性,实验仿真
AB值：
0.367198
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。
