深度学习之OCR（一）——多数字识别_Multi-digit Number Recognition

最新推荐文章于 2024-05-02 22:37:28 发布
最新推荐文章于 2024-05-02 22:37:28 发布
阅读量1.1w 收藏 18
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/VictoriaW/article/details/74202419
版权

Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks.
Ian J. Goodfellow, Yaroslav Bulatov, Julian Ibarz, Sacha Arnoud, Vinay Shet.
ICLR 2014.

模型介绍

本文利用CNN进行门牌号识别，并且规定序列最大长度为N（实验设N=5）。最后一层包含6个softmax，第一个softmax预测是的序列长度L，L可取7个值：{0, 1, 2, 3, 4, 5, 大于5}。后面5个softmax分别表示对应位置上的数字，每个位置上的数字可取10个值：{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}。在训练时，对于digit不存在的位置，不反向传播任何误差信息。对于存在的digit和L，其误差为常见的负log似然。本文所用网络结构如下所示：

这里写图片描述

文中第一个卷积层使用maxout激活函数，其他层用ReLU激活函数。这里修改成所有层都使用ReLU激活函数。

数据集：
SVHN数据集

最低0.47元/天 解锁文章
Vic时代
关注
  • 0
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
专栏目录
image.rar_digit recognition_matlab 数字识别_分割数字_图像数字识别_数字分割
07-14
关于数字识别的matlab程序，数字图像的分割的计算方法
Multi-digit Number Recognition from Street View Imagery using DCNN
05-21
Recognizing arbitrary multi-character text in unconstrained natural photographs is a hard problem. In this paper, we address an equally hard sub-problem in this domain viz. recognizing arbitrary multi-digit numbers from Street View imagery. Traditional approaches to solve this problem typically separate out the localization, segmentation, and recognition steps. In this paper we propose a unified approach that integrates these three steps via the use of a deep convolutional neural network that operates directly on the image pixels. We employ the DistBelief (Dean et al., 2012) implementation of deep neural networks in order to train large, distributed neural networks on high quality images. We find that the performance of this approach increases with the depth of the convolutional network, with the best performance occurring in the deepest architecture we trained, with eleven hidden layers. We evaluate this approach on the publicly available SVHN dataset and achieve over 96% accuracy in recognizing complete street numbers. We show that on a per-digit recognition task, we improve upon the state-of-theart, achieving 97.84% accuracy. We also evaluate this approach on an even more challenging dataset generated from Street View imagery containing several tens of millions of street number annotations and achieve over 90% accuracy. To further explore the applicability of the proposed system to broader text recognition tasks, we apply it to transcribing synthetic distorted text from a popular CAPTCHA service, reCAPTCHA. reCAPTCHA is one of the most secure reverse turing tests that uses distorted text as one of the cues to distinguish humans from bots. With the proposed approach we report a 99.8% accuracy on transcribing the hardest category of reCAPTCHA puzzles. Our evaluations on both tasks, the street number recognition as well as reCAPTCHA puzzle transcription, indicate that at specific operating thresholds, the performance of the proposed system is comparable to, and in some cases exceeds, that of human operators.
动手学CV-Pytorch计算机视觉 使用transformer实现OCR字符识别
最新发布
lw19155275856的博客
05-02 1759
动手学CV-Pytorch计算机视觉 使用transformer实现OCR字符识别
【multi-digit】街景识别代码到中文车牌识别的迁移
weixin_30318645的博客
05-21 343
背景论文： Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks (https://arxiv.org/abs/1312.6082) 英文车牌迁移参考：http://matthewearl.github.io/2016/05/06/cnn-anpr/ ...
pytorch 多数字识别加定位（MNIST数据集）
ITnanbei的博客
07-10 2200
学习过深度学习中的卷积神经网络的同志应该都接触过MNIST数据集，并且做过手写数字识别吧，还记得第一次做成功手写数字识别的那种成就感哈哈哈。 本深度学习小白最近尝试了对MNIST数据集进行了修改，将多个数字合成在一张图片中，用pyplot来显示，然后对其进行识别和定位。大概是这样的： 比较简陋啊，但是大体上能满足要求就可以了。 具体过程 一 、导入所需要的库 import torch import torch.nn as nn import torch.nn.functional as ..
LeNet-5识别数字
10onrats的博客
10-25 389
LeNet识别数字前言环境实现结果 前言 实现经典卷积神经网络LeNet(LeNet-5)识别数字，这里将激活函数从sigmoid换成ReLU，参考资料《动手学深度学习》。 环境 python+pytorch 实现 import torch import torch.nn as nn import torchvision import matplotlib.pyplot as plt from torch.utils import data from torchvision import transform
基于投影法的多行数字图像识别
m0_63445811的博客
03-29 356
基于投影法的多行数字图像识别，编程语言：C++，技术平台：OpenCV+VS2017
MNIST-python.zip_MNIST_OCR_digit recognition_python_zip
09-25
MNIST - Handwritten Digit Recognition
spoken-digit-recognition:LLSTM语音数字识别
04-29
语音数字识别是一个隔离的单词识别系统，可转录0-9之间的各个语音号码。 数据集 使用免费语音数字数据集（FSDD）来训练该模型，该模型具有来自3位讲英语且带有重音的扬声器的1,500张录音。 该模型接受了1,470张唱片...
Multiple-Handwritten-Digit-Recognition:使用深度学习的多个手写数字识别应用程序-来自Canvas的CNN建立在tkinter- GUI上
04-01
使用深度学习的多手写数字识别（TensorFlow-Keras） 要求 TensorFlow（Keras） 的Python 3.5 + Numpy（+ MKL适用于Windows） PIL（枕头） Opencv的 tkinter（python GUI） 关于项目 使用CNN（卷积神经网络）在...
街景字符识别1-街景字符编码SVHN
charie411的博客
05-18 2342
The Street View House Numbers (SVHN) Dataset是街景字符的数据集。街景字符转录是字符序列识别问题。针对图片序列识别问题传统思路是定位、分割、识别，而Google2014年的论文《Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks》提出了基于深度卷积神经网络的方法。 问题描述： 图片中的字符串序列长度不定但不超过5个字符，可以将
opencv多行数字识别.zip
07-02
本项目在Visual Studio2017平台利用OpenCV4.2开源计算机视觉库实现了图像数字的识别。首先对图像进行预处理，获取只包含数字的感兴趣区域，对感兴趣区域进行像素分割、灰度化、二值化和形态学运算等操作，以获取清晰的数字目标；然后再对数字区域进行单个数字的切割，并对每个独立的数字图像进行尺寸标准化操作，选取部分数字图像建立模板库；最后将每个数字图像与模板库进行比对，按照各点像素差的绝对值和最小的原则进行模板匹配与识别。
卷积神经网络实现多个数字识别
leadai的博客
04-19 4422
NVIDIA DLI 深度学习入门培训 | 特设三场！！4月28日/5月19日/5月26日一天密集式学习 轻松带你入门阅读全文>正文共6095个字，6张图，预计阅读...
程序员英语5:number和digit都是数字，有什么区别？
薛定谔的猫
01-23 9405
For example, Figure(图片) 1-1 shows screens from two commonly used（常用的）programs（程序）, Microsoft Word and Adobe Photoshop. Microsoft Word is a word processing（处理） program that allows you to create, edit（创建）, and print documents（打印文档）with your computer. Adob..
基于多模型的手写数字识别
zzp20031120的博客
07-07 682
基于多个模型实现手写数字图像识别任务
Digit Number
weixin_30325071的博客
03-26 201
Problem 　　Write a program which computes the digit number of sum of two integersaandb. Input 　　There are several test cases. Each test case consists of two non-negative integersaandbw...
个人阅读的Deep Learning方向的paper整理
热门推荐
chivalry
03-10 2万+
http://hi.baidu.com/chb_seaok/item/6307c0d0363170e73cc2cb65 个人阅读的Deep Learning方向的paper整理，分了几部分吧，但有些部分是有交叉或者内容重叠，也不必纠结于这属于DNN还是CNN之类，个人只是大致分了个类。目前只整理了部分，剩余部分还会持续更新。 一 RNN 1 Recurrent n
【转】用深度学习揭示数据的因果关系
Diliduluw的博客
05-18 2436
转自公众号：专知 【导读】ICLR2019上主要集中在解决深度学习中的四个主要挑战：公平，安全，普遍性和因果关系。 我们已经讨论了当前状态下的机器学习算法是如何有偏见的，容易受到对抗性攻击的影响，以及他们在多个应用程序的训练数据集中找到的模式概括的能力极其有限。 现在，研究界正忙于努力使技术足够复杂以减轻这些弱点。 因果关系 机器学习非常适合在数据中找到相关性，但是它能否找出因果关系？...
notice that the number 123456789 is a 9-digit number consisting exactly the
12-29
数字123456789是一个9位数，正好是由1到9这9个数字组成的。这种数字被称为“连续数”或“全数字数”。它是一个“1到9全数字数”，意思是它包含了1到9这些数字，并且每个数字都只出现了一次。 这种类型的数字在数学中是很有趣的，因为它们在很多数学问题中都有特殊的性质。例如，它们可以被用来构建其他特殊的数字，或者用来解决一些数字逻辑问题。 在这个特定的例子中，我们可以看到123456789这个数字正好包含了1到9这些连续的数字，而且每个数字都只出现了一次。这种数字在数学游戏、数独等解密游戏中经常被使用，因为它们具有独特的特性。 总之，123456789这个9位数的特殊之处在于它是由1到9这些数字恰好组成的，没有多余的数字，也没有缺少的数字。这种数字给人一种整齐、有序的感觉，同时也展现了数字之间的特殊的关联。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值