基于胶囊网络和语言模型的政务文字识别

文字识别是计算机视觉领域中的重要研究内容之一,为建设智能政务服务奠定了基础.然而政务图像质量参差不齐、字体风格多样,造成识别准确率偏低.针对上述问题,提出了一种结合胶囊网络和语言模型的CNLM模型,并将字符切割与胶囊网络进行结合.首先将政务图像数据集构造为文字识别图像和语言模型句子样本进行分阶段训练,一阶段通过公开字符切割数据集对视觉模型进行预训练,通过句子样本和已有结构化数据对语言模型进行预训练;二阶段将视觉模型与语言模型进行联合训练,并对它们的输出结果进行选择迭代,最后得到图像包含的文字序列信息.该方法在政务图像数据集和GA-HWDB数据集上测试,其准确率相比VisionLAN分别提高2.12%和2.69%.

被低估的政务大数据

我国目前有80%的信息控制在政府部门手中,包含着众多行政管理信息、市场信息、服务信息、宏观决策信息等。公开以上信息,对于企业和个人考察社会、分析市场,进而科学地安排生产、生活,合理配置资源都具有重要的参考、指导作用。