自然场景下的文本识别——文本识别分类器详解

前言：

在上一篇文章中，我们简单讲解了文本识别分类器之卷积神经网络（CNN）分类器，在这篇文章中，将从 文本识别分类器的结构，文本识别分类器的输入，以及 文本识别模块的设计 三个方面讲述。

1.文本识别分类器的结构

如上图所示，文本识别分类器由一个十层的卷积神经网络组成，其中包括一个输入层和一个输出层，中间八层分为四组，每一组由一个卷积层和一个Maxout激活函数层组成。Maxout激活函数有着如下的表达式：

其中Gk表示从输入集合G中顺序选取的k个元素，激活函数简单地取这k个元素函数值中的最大值。中间层的部分采用部分连接的方式，第一组卷积-激活层接收大小为32×32的图像，并采用大小为9的窗口卷积96个过滤器，激活函数的k值为2，因此其体积为24×2