《表5 文字识别模型对比结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的OCR文字识别在银行业的应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。