基于深度卷积神经网络的街景门牌号识别方法

在复杂图像中提取文本信息是模式识别研究的热点,应用前景广阔。自然场景中的门牌号背景复杂,字符风格多样,识别难度较大。基于卷积神经网络设计一种识别方法,可以达到较好的识别效果。在方法设计中用灰度化手段来弱化自然场景中的背景信息,突出重要特征。基于AlexNet改进网络,加深网络的深度,在激活函数的后面使用批归一化BN,并在全连接层中应用较低比例的Dropout策略。使用谷歌街景门牌号数据集(SVHN),训练约13个小时,识别率达到94.58%。