面向文本识别的CRNN模型的改进

摘要

复杂场景下文本识别因阴影、残缺、模糊、虚化等因素会出现识别精度下降问题。鉴于此，提出一种基于特征融合与双向简化门结构的CRNN模型。首先引入特征融合机制改进卷积神经网络(CNN)模型，利用特征金字塔结构，多加一条自底向上的路径，将低层特征与高层特征融合在一起，以保留更多低层细节特征，提高场景文本识别精度；其次通过合并遗忘门与输入门，得到结构更简单、计算量和参数量更少的简化门结构替换长短期记忆(LSTM)网络改进循环神经网络(RNN)模型部分；最后设计消融实验验证改进后模型的有效性。三个数据集的测试结果表明：在ResNet50做主干网络时，与原始模型相比，改进后模型准确率提升了1.5%以上；在MobileNetV3做主干网络时，准确率提升了1.4%以上。

关键词

特征融合 / 长短期记忆网络 / 简化门结构