基于深度学习印刷文字OCR系统研究.pdfVIP

泰迪杯数据挖掘赛

基于深度学习和语言模型的印刷文字OCR系统

苏剑林华南师范大学数学科学学院

华南师范大学数学科学学院

2016年5月15日

中要

我们设计了一系列的算法，完成了文字特征提取、文字定位等工作，并基于卷积神经网络(CNN)建立了字符

识别模型，最后结合统计语言模型来提升效果，成功构建了一个完整的OCR(光学字符识别)系统.

在特征提取方面，我们抛弃了传统的“边缘检测+腐蚀膨胀”的方法，基于一些基本假设，通过灰度聚类、图层

分解、去噪等步骤，得到了良好的文字特征.这部分文字特征既可以用于第二步做文字定位，又可以直接输入到第

三步的模型中进行识别，而不用做额外的特征提取工作.

在文字定位方面，我们通过邻近搜索的方法先整合特征碎片，得到了单行的文字特征，然后通过前后统计的方

法将单行的文字切割为单个字符.测试表明，这种切割思路能够很好地应对中英文混排的文字切割.