公开(公告)号：CN117152764A

公开(公告)日：2023-12-01

申请号：CN202311186744.2

申请日：2023-09-14

Applicant: 北京工商大学

Inventor： 刘敏华 ,  张珣 ,  黄先开 ,  石金莲 ,  梁春芳 ,  张鑫

IPC: G06V30/148 ,  G06V30/164 ,  G06V30/19 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公布了一种基于Transformer网络模型的数字标牌图像文本识别方法，基于Transformer网络模型与场景文本识别STR技术，利用相对位置编码获取数字标牌图像的位置编码，将不同子空间的特征表达连接到编码器，从而准确识别数字标牌图像中的文本。本发明采用相对位置编码从水平、竖直两个维度上对图像特征图进行编码，可准确捕获二维图像块之间的位置信息，更好地建模图像中的文本信息，能够更加准确地识别数字标牌图像中的文本。