一种石刻文字识别的优化方法及系统与流程

1.本发明涉及文字识别技术领域，具体涉及一种石刻文字识别的优化方法及系统。


背景技术：

2.目前，针对景区石刻类景点的内容识别主要利用卷积神经网络等神经网络所设计开发的文字识别功能，对于大部分场景有着较好以及较高的识别率。目前的文字识别功能主要集中在书籍文本的文字识别，对于景区的多变环境以及对象的情况下会存在明显的不足，例如不同光线条件以及不同字体等不同条件下，现有文字识别功能可以会无法带来预期的效果。
3.在专利申请号为cn202110375519.8的专利文件中，公开了一种印章文字识别方法、装置、计算机设备和存储介质，其通过检测目标图像中的印章图像，并从所述目标图像中截取出所述印章图像；对所述印章图像进行背景消除，得到背景消除印章图像；在所述背景消除印章图像中定位环形排版文字图像；对所述环形排版文字图像进行拉直处理，得到直条排版文字图像；对所述直条排版文字图像进行文字识别，获得印章文字。
4.上述专利文件可以对篆刻的文字进行识别，但是对于景区场景下，夜晚、雨天等天气光线不佳的场景，以及石刻油漆风化后模糊的场景无法实现较高的识别能力。因此本文提供了一种石刻文字识别的优化方法及系统。


技术实现要素：

5.针对现有技术的不足，本发明公开了一种石刻文字识别的优化方法及系统，用于解决现有文字识别技术在对于景区场景下，夜晚、雨天等天气光线不佳的场景，以及石刻油漆风化后模糊的场景无法实现较高的识别能力的问题。
6.本发明通过以下技术方案予以实现：
7.第一方面，本发明公开了一种石刻文字识别的优化方法，包括以下步骤：
8.s1获取特殊环境石刻图片，利用卷积神经网络训练特殊环境石刻模型；
9.s2进行n次迭代后，将特殊环境石刻模型训练后的参数叠加到每层日常石刻训练的过程，作为每层卷积后的偏移值进入下一层卷积，其中n为自然数；
10.s3在卷积层提取特征，利用特征值反卷积恢复原始图片，并将原始图片特征还原；
11.s4对恢复后的图片进行卷积处理，得到生成图片的特征后与原始图片进行对抗，最后得到石刻文字识别优化模型。
12.更进一步的，所述方法中，利用卷积神经网络将每个图片对应的结果作为标注进行训练特殊环境石刻模型。
13.更进一步的，所述方法中，迭代后，特殊环境石刻模型优先获得一部分的石刻内容特征，并去除掉无关特征。
14.更进一步的，所述方法中，利用特征值反卷积恢复原始图片，并通过损失函数优化结果后，将原始图片特征还原。
15.第二方面，本发明公开了一种石刻文字识别的优化系统，包括异常光照图片训练模块、日常石刻训练模块、处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行第一方面所述的石刻文字识别的优化方法。
16.更进一步的，所述异常光照图片训练模块对异常光照以及环境以及石刻模糊的图片的卷积模块进行训练，获得异常光照环境下的特征。
17.更进一步的，所述日常石刻训练模块对日常光照下的石刻进行训练，将异常环境石刻训练的结果参数传入日常光照的图片训练。
18.更进一步的，所述日常石刻训练模块在图像生成后，重新利用卷积模块将图像进行分解，将生成后的图像与原始图像做对抗训练，以提升生成图像的质量。
19.本发明的有益效果为：
20.本发明所提供的方法可以识别在异常环境、不同天气条件以及光线条件下石刻内容识别，提升石刻内容识别的准确度，提升景区服务能力。相较于传统石刻图片识别方法，本发明在训练阶段，增加了不同环境、天气以及光线条件下的训练图片数据，并通过单独训练方式以及特征叠加的方式，将内容特征放大，有效提升石刻识别准确度。
附图说明
21.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1是一种石刻文字识别的优化方法的步骤图；
23.图2是一种石刻文字识别的优化方法的原理框图。
具体实施方式
24.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.实施例1
26.本实施例公开如图1所示的一种石刻文字识别的优化方法，包括以下步骤：
27.s1获取特殊环境石刻图片，利用卷积神经网络训练特殊环境石刻模型；
28.s2进行n次迭代后，将特殊环境石刻模型训练后的参数叠加到每层日常石刻训练的过程，作为每层卷积后的偏移值进入下一层卷积，其中n为自然数；
29.s3在卷积层提取特征，利用特征值反卷积恢复原始图片，并将原始图片特征还原；
30.s4对恢复后的图片进行卷积处理，得到生成图片的特征后与原始图片进行对抗，最后得到石刻文字识别优化模型。
31.本实施例利用卷积神经网络将每个图片对应的结果作为标注进行训练特殊环境石刻模型。
32.本实施例迭代后，特殊环境石刻模型优先获得一部分的石刻内容特征，并去除掉
无关特征。
33.本实施例利用特征值反卷积恢复原始图片，并通过损失函数优化结果后，将原始图片特征还原。
34.本实施例为了避免环境光线以及石刻本身情况影响，在训练模型的时候增加不同环境下的图片作为训练样本，同时将不同环境的图片分开做特征提取，最终再合并进入主模型，以提升模型对于环境等情况干扰下的识别准确度。
35.实施例2
36.本实施例提供一种石刻文字识别的优化方法，参照图2所示，本实施例先利用卷积神经网络训练特殊环境石刻图片，将每个图片对应的结果作为标注，用于训练模型。特殊环境石先单独训练n次迭代，其中n为整数。模型将优先获得一部分的石刻内容特征，去除掉无关特征。
37.接着将特殊环境石刻模型训练后的参数叠加到每层日常石刻训练的过程中，作为每层卷积后的偏移值，并进入下一层卷积。在卷积层提取特征后，利用特征值反卷积恢复原始图片，并利用损失函数不断优化结果，将原始图片特征进行还原。
38.最后，将生产的图片进行卷积处理，获得生成图片的特征，并与原始图片进行对抗，不断缩小生成图片与原始图片的差距，最终卷积3模型即为最终获得的石刻识别优化模型。
39.本实施例利用不同环境、不同场景下的石刻图片训练模型，获取石刻内容特征。通过特征叠加的方式将不同环境、不同场景下的石刻内容识别出来，提升景区石刻文字的识别准确度。
40.实施例3
41.本实施例提供一种石刻文字识别的优化方法的具体应用，训练样本数据，日常晴天环境下选取不同字体，不同景点10个，每个景点不同角度照片50张，合计共500张。特殊环境训练图片选择相同10个景点，在雨天、阴天等环节，相同角度，各取50张图片，合计500张图片用于训练。
42.卷积参数：
43.输入图像尺寸：2560x1920像素
44.卷积1、卷积2:5层卷积层，过滤器尺寸10x10，利用最大值池化，偏移量：10像素
45.卷积3：5层卷积层，过滤器尺寸15x15，利用最大值池化，偏移量：10像素
46.反卷积1：5层卷积层，过滤器尺寸10x10，偏移量：10像素
47.学习率：0.005，损失函数值低于0.01时，学习率减少0.0001。
48.先利用卷积神经网络训练特殊环境石刻图片，将每个图片对应的结果作为标注，用于训练模型。特殊环境石先单独训练500次迭代，模型将优先获得一部分的石刻内容特征，去除掉无关特征。
49.接着将特殊环境石刻模型训练后的参数叠加到每层日常石刻训练的过程中，作为每层卷积后的偏移值，并进入下一层卷积。在卷积层提取特征后，利用特征值反卷积恢复原始图片，并利用损失函数不断优化结果，将原始图片特征进行还原。
50.最后，将生产的图片进行卷积处理，获得生成图片的特征，并与原始图片进行对抗，不断缩小生成图片与原始图片的差距，最终卷积3模型即为最终获得的石刻识别优化模
型。
51.通过分析结果可得本实施例可以识别在异常环境、不同天气条件以及光线条件下石刻内容识别，提升石刻内容识别的准确度，提升景区服务能力。
52.实施例4
53.本实施例提供一种石刻文字识别的优化方法的具体应用，训练样本数据，日常晴天环境下选取不同字体，不同景点10个，每个景点不同角度照片80张，合计共800张。特殊环境训练图片选择相同10个景点，在雨天、阴天等环节，相同角度，各取80张图片，合计800张图片用于训练。
54.卷积参数：
55.输入图像尺寸：2560x1920像素
56.卷积1、卷积2:5层卷积层，过滤器尺寸10x10，利用最大值池化，偏移量：10像素
57.卷积3：5层卷积层，过滤器尺寸15x15，利用最大值池化，偏移量：10像素
58.反卷积1：5层卷积层，过滤器尺寸10x10，偏移量：10像素
59.学习率：0.005，损失函数值低于0.01时，学习率减少0.0001。
60.先利用卷积神经网络训练特殊环境石刻图片，将每个图片对应的结果作为标注，用于训练模型。特殊环境石先单独训练800次迭代，模型将优先获得一部分的石刻内容特征，去除掉无关特征。
61.接着将特殊环境石刻模型训练后的参数叠加到每层日常石刻训练的过程中，作为每层卷积后的偏移值，并进入下一层卷积。在卷积层提取特征后，利用特征值反卷积恢复原始图片，并利用损失函数不断优化结果，将原始图片特征进行还原。
62.最后，将生产的图片进行卷积处理，获得生成图片的特征，并与原始图片进行对抗，不断缩小生成图片与原始图片的差距，最终卷积3模型即为最终获得的石刻识别优化模型。
63.通过分析结果可得本实施例可以识别在异常环境、不同天气条件以及光线条件下石刻内容识别，提升石刻内容识别的准确度，提升景区服务能力。
64.实施例5
65.本实施例提供一种石刻文字识别的优化系统，包括异常光照图片训练模块、日常石刻训练模块、处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行石刻文字识别的优化方法。
66.本实施例异常光照图片训练模块，现对于异常光照以及环境以及石刻模糊的图片的卷积模块进行训练，获得异常光照环境下的特征；
67.本实施例日常石刻训练模块，对于日常光照下的石刻训练模块，将异常环境石刻训练的结果参数传入日常光照的图片训练。在图像生成后，重新利用卷积模块将图像进行分解，将生成后的图像与原始图像做对抗训练，以提升生成图像的质量。
68.综上，本发明所提供的方法可以识别在异常环境、不同天气条件以及光线条件下石刻内容识别，提升石刻内容识别的准确度，提升景区服务能力。相较于传统石刻图片识别方法，本发明在训练阶段，增加了不同环境、天气以及光线条件下的训练图片数据，并通过单独训练方式以及特征叠加的方式，将内容特征放大，有效提升石刻识别准确度。
69.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例
对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。