《表5 文字识别模型对比结果》
表5对比了文字识别模型CRNN与文献[14,15]中方法在公开的场景文字检测数据集ICDAR2013和郑州银行数据集的识别效果准确率。本文设计的基于深度学习的OCR方案中采用的CRNN模型在识别准确率上领先或接近于同期的其他基于深度神经网络的方法,虽然模型在ICDAR2013数据集的识别准确率稍低于文献[15]中的模型,但如表5所示,CRNN模型所需参数个数(8.3 M)远小于文献[15]中深度学习模型所需参数(490 M),综合模型性能与文字识别准确率,本文选择CRNN模型作为OCR方案的文字识别模型。
图表编号 | XD00198088200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.31 |
作者 | 王阳、李振东、杨观赐 |
绘制单位 | 郑州银行郑州银行博士后科研工作站、宁夏大学信息工程学院、贵州大学贵州大学现代制造技术教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |