基于神经网络的OCR技术在自动阅卷系统中的应用研究

为提高学校阅卷的准确率和效率,采用OCR技术扫描试卷,识别考生的作答文字,针对传统OCR技术缺点,使用人工智能中的神经网络技术改进OCR技术,针对OCR的文本检测和文本识别两大步骤,分别使用CTPN模型进行文本检测,使用CNN、Seq2Seq、Attention模型进行文本识别,大大提高识别的准确率和效率,为下一步的自动阅卷提供支持。

基于神经网络和学习子空间的OCR识别方法在选票处理中的应用

选票信息的自动处理能提高录入速度、保证选举的公正性。绝大多数的选票信息自动处理系统都是采用光学标记识别的方法，该方法对于选票纸张和填写要求较高，而且误识率较高。该文提出了一种基于神经网络和学习子空间光学字符识别(OCR)方法。该识别方法具有对纸张和填写的要求低，精度高、通用性好的特点。

基于OCR技术的图像验证码识别

验证码是一种标准的网络安全技术,它主要用来防止网民或者黑客等对网站的恶意注册和访问,以及发送垃圾文件、暴力破解高价值密码、滥发广告等恶意事件。通过对图片的扫描,可以提取图片中的数字、字符信息等。本文提出了一种基于OCR技术的图形验证码识别技术。通过对验证码图片进行灰度化、二值化、去噪点、围点填充、直线填充、图像分割、统一大小、图像匹配和存入字库等一系列的操作,进行对验证码的识别实验。本文通过实验对验证码的特点有了充分的了解,这样方便设计出更加安全的验证码,防止被不法分子破解。

基于双卷积神经网络的铁路集装箱号OCR

针对尚缺乏识别准确率高的铁路集装箱箱号OCR系统这一现实,设计了一套识别准确率能够达到98%以上的铁路集装箱箱号OCR系统。该系统对采集到的图像进行字符的自动分割,在训练CNN时针对目前数据集多样性不足、样本较少的情况,采用了数据增强的方法扩充数据集,并且基于LeNet-5进行了网络结构搜索,训练了分别用于数字和字母识别的卷积神经网络Digit Net和Letter Net,其在测试集上的识别准确率分别能够达到99.7%和99.2%。

面向AIoT芯片的OCR模型压缩方案研究

基于深度学习的OCR模型通常由CNN和RNN/LSTM构成,模型计算量大、权重参数多,导致在边缘设备上推理需要大量的计算资源才有可能达到性能要求.CPU和GPU这样的通用处理器无法同时满足处理速度和功耗要求,并且成本非常高.随着深度学习的普及,神经处理单元NPU在许多嵌入式和边缘设备中变得普遍,它具有高吞吐量的计算能力来处理神经网络所涉及的矩阵运算.以基于CRNN的OCR模型为例,面向AIoT芯片给出一个解决方案,通过剪枝和量化两种压缩算法降低网络参数冗余度,减少计算开销但仍能得到一个准确性和鲁棒性高的压缩模型,使得模型能够部署在NPU上.实验结果表明:对剪枝微调后的模型进行参数量化,稀疏度为78%量化后的模型精度降低不超过3%,模型大小从15.87 MB压缩为3.13 MB,将压缩后的模型部署到NPU端,与在CPU和GPU上的实现相比,NPU在延迟上分别实现了28.87倍和6.1倍的加速.

水电站励磁系统巡检可视化系统研制

水电站励磁系统巡检中面对的数据繁多、整理分析困难。为此,设计了一种智能识别水电站监控页面数据并进行提取整合的巡检可视化系统,通过运用基于深度学习的前沿的OCR算法模型,结合自主设计的数据匹配算法,该系统达到了良好的效果,能够较为明显的节省时间和人力,同时也为水电站其他系统的运行维护提供了一定的思路。

Analyze the Impact of ITS in Improving the Efficiency of Road Tax and Fee Collection Use of Digital Technologies in the City of Bujumbura

Road transport is currently one of the most important sectors affecting sustainable development and the improvement of the population’s standard of living. In some sub-Saharan African countries, including Burundi, the transport structure is vulnerable, under attack, or even damaged or destroyed. This is prompting decision-makers to look for every possible way to enable dynamic management of the road system, as well as the collection of tax revenues attributable to this sector. To reach this stage, we postulate that the introduction of the Intelligent Transport System (ITS) into the road tax and fee collection process would make a significant contribution (road safety, zero cash on silk Safety Officers, payment of a fine, eradication of road corruption etc.) to the digitization of the various transport sectors. As far as the city of Bujumbura is concerned (our field of intervention), the applicability of the present System could thus meet the expectations of the decision-maker, certain drivers and, by the same token, contribute to the promotion of Digital Technology in Burundi.

基于U2-Net深度网络和投影波谷法的在架图书错序检测

针对在架图书错序检测中图书索书号区域的准确定位关键问题,提出一种基于U2⁃Net深度网络和投影波谷法的在架图书索书号区域定位识别方法。该方法首先使用U2⁃Net深度网络对在架图书索书号区域进行预分割,然后通过投影波谷法对每本图书的索书号区域进一步精确分割,最后对分割出的索书号区域图像使用光学字符识别技术,完成对索书号的识别,通过对识别结果进行排序关系判断,完成错序检测过程。实验结果表明,该方法能实现准确的索书号区域图像分割,为图书馆智能化管理提供了有效的解决方案。

多字体字符识别的协同模型

提出了一种新的用于多字体字符识别的神经网络模型一协同模型，同时提出了一种新的迭代的协同学习算法，该算法将误识率最高的模式的误识样本作为反馈量来修正原型模式．对大量实际采集所得的多字体字符样本的测试表明，该模型能对训练样本集取得１００％的识别率，对多字体字符测试样本的识别也能取得很高的识别率（９８．２％），而且识别速度很快，适用于实时的ＯＣＲ应用．另外，对加噪字符的识别试验表明该模型具有很好的鲁棒性．

手写体数字识别与认证的小波特征提取

本文提出了基于Kirsch边缘增强的二维小波特征与二维复小波特征的提取技术。这两类特征与几何特征融合识别手写体数字。此外,对所提取的小波特征提取方法的优点进行了讨论。最后进行的手写体数字识别与认证实验表明,这两类混合特征的集合能获得很好的识别与认证性能。

基于Faster-RCNN的极验点选式验证码识别

针对传统方法难以识别极验点选式验证码的问题,文中提出一种基于Faster-RCNN目标检测模型和卷积神经网络的识别方法。通过简化的RPN提高Faster-RCNN对于背景图片文本定位的精度,再设计卷积神经网络对文本进行分类识别,并训练Tesseract-OCR识别库对信息提示文本进行识别,实现背景图片文本识别结果与信息提示文本识别结果一一对应,达到识别此类验证码的目的。实验结果表明,该方法识别此类验证码的准确率达到72.4%。

基于BP神经网络的脱机手写混排字符集的识别方法

脱机手写字符自动识别是计算机光学字符识别 (OCR)领域的一个活跃课题 ,有着十分广泛的应用前景 .文中提出了基于BP神经网络的脱机手写中英文和数字混合字符集的识别方法 ,给出一种特征提取方法 ,通过实验说明如何选取网络隐含层神经元个数 ,以及如何选取网络连接权值的初值 .对由不同人手写的中英文字符的混合字符集做识别实验 ,结果表明文中所设计的神经网络分类器 ,不仅能保证识别精度和识别速度 ,而且能有效的识别混合字符集 .

客户资料登记管理系统设计

在金融、工商、保险等行业,每天会产生大量的档案资料。在日常的纸质档案管理工作中,档案资料管理困难,查询响应慢,无法实现多人共享,无法与业务系统及办公系统配合使用,信息流程断档等弊端。针对上述问题,可以采用先进的计算机技术(图像处理、OCR识别技术、数据库、存储技术等),实现档案存储、管理和查询的电子化;通过对档案的科学管理及高效利用,从而节省人力、物力和空间,节约成本、提高工作效率提高企业竞争能力和服务水平。通过专用人民银行核查网络进行身份证联网核查[1],可以核实登记客户身份的真实性。使用专用二代证核验机具可以实时的机读客户身份证信息和与真人比对,做到"人证合一",这对于完善联网核查系统和控制业务风险是不可缺少的,是银行联网核查方式的有力补充。

一种字符识别算法在自动识别系统中的应用

基于车牌识别系统的开发,提出一种基于二值图像的字符识别算法.在该算法中,提取字符的点阵特征、特征线和网格特征,分类器采用神经网络.为充分利用各组特征向量的互补作用,采取层次结构来获得系统的最佳性能.实验表明此算法非常有效.

智能视频分析系统在防范药品差错中的初步构建

目的:药品差错存在于临床用药的各个环节,直接关系到患者的生命健康。利用人工智能技术,构建药品差错智能视频分析系统,保障临床用药安全。方法:根据视频监控,采用人工智能中的深度神经网络技术,实时分析识别监控视频中药品的名称、规格、剂型、厂家和数量,与HIS中处方/医嘱的药品信息进行对比,若有药品差错,实时报警提醒。结果:药品差错智能视频分析系统与医院HIS的处方/医嘱对接,适用于分析防范开具处方/医嘱后调剂、发药、配置和给药环节的药品差错。结论:基于人工智能的视频分析系统可防范临床药品差错,保障临床安全用药。

基于RBF的纸币序列号识别方法

序列号识别是金融安全领域的一个重要步骤。针对纸币序列号的字符特点,提出了一种基于径向基函数神经网络模型(RBF)的光学字符识别方法。使用工业相机,采集得到纸币图像,并进行必要的预处理,得到序列号区域的二值图像。再根据连通区域信息对单个字符进行分割并归一化,然后提取字符的二维空间分布信息作为特征向量,并结合径向基函数神经网络进行字符识别。实验证明,该神经网络仅两层隐藏层,结构简单,在小样本集下可达到95%的识别率,并且训练时间在100 ms量级,能够很好地满足纸币序列号识别功能的要求。

基于卷积神经网络的解扭曲车牌检测识别方法

为提高车牌检测与识别的适应性,增强系统性能,提出一种基于检测解扭曲-卷积神经网络(DU-CNN)方法。运用已有技术进行车辆检测;利用YOLO空间变换网络理念,提出一种变型的卷积神经网络DU-CNN,该网络学习对发生各种不同形变的车牌进行检测,通过对仿射变化的系数进行回归,将发生形变的车牌重新解扭曲为接近正前方视角的矩形,通过光学字符识别(OCR)方法得到最终结果。为增强训练数据集,数据集由真实数据与人工合成数据混合组成。实验结果表明,所提方法具有较好的识别精度,在困难数据集中优于一些商用系统,稳定性较佳。

基于深度学习的汉字识别方法研究综述

中国汉字博大精深,拥有数千年的文化背景与历史积淀,具有其独特的文字结构,是世界上使用人口最多的文字。与一般的视觉元素不同,汉字包含了丰富的高层语义信息,不管在工业界还是学术界对汉字识别技术都有极大的应用需求和重要的研究意义。首先阐述了汉字识别技术的基本概念和定义,对OCR、印刷体识别、手写体汉字识别等概念进行详细说明。在简要介绍了传统汉字识别方法后,详细分析了当前基于深度学习的汉字识别方法的研究历程、主要方法和关键性技术。最后总结了当前汉字识别技术在深度学习应用中存在的一些问题及未来的发展趋势。

一种基于CRNN的车牌识别算法研究与应用

近些年来,深度学习已逐渐替代机器学习而走进大众的生活当中,尤其是机器视觉,在拍照识图、光学字符识别(OCR)、自动驾驶等领域发挥着重要作用。文章针对智能交通中的车牌识别,提出一种基于CRNN的文本序列模型。该模型实现了端到端、免分割的车牌文字识别方法,充分体现了卷积神经网络的优势,在很多场景下都表现出较好的性能。经多次测试统计,该模型的识别准确率高达98.5%,平均响应时间为100 ms,测试效果良好。

一种多字体特大字符集字符识别系统

多字体特大字符集字符识别是当前OCR技术研究的热点之一。本文利用一组在抗干扰和描述字符拓扑结构方面具有互补性的特征 ,其于SupportVector技术和可增长自组织神经网络模型 ,建立一种识别系统来处理该问题。其中包括一个利用SupprtVector技术建立的OptimalMargin语言分类器 ,一个以可增长自组织神经网的粗分类器 ,结合统计和结构两种识别方法的三级汉字分类器 ,最后给出良好的实验结果 。