检索结果-南通市图书馆

科学技术与工程 2023年第2期23卷 665-673页

作者：廖家威周勇方夏王玫罗彬豪朱高义四川大学机械工程学院成都610065

针对拆回电表厂家和型号众多,人工分筛的数据录入效率低、准确率难以保证的问题,提出一种基于改进关联系数神经网络的电表异构信息提取方法。首先,利用连接文本提议网络(connectionist text proposal network,ctpn)定位型号文本,并利用... 详细信息

针对拆回电表厂家和型号众多,人工分筛的数据录入效率低、准确率难以保证的问题,提出一种基于改进关联系数神经网络的电表异构信息提取方法。首先,利用连接文本提议网络(connectionist text proposal network,ctpn)定位型号文本,并利用密集连接卷积网络(densenet)和连接时序分类(connectionist temporal classification,ctc)识别,获取型号初步识别结果;其次,利用轻量化的实时快速目标检测(YOLOv4-Tiny)网络检测电表商标,获取厂家初步识别结果;再次,在验证集进行测试,获取合适的自适应关联系数;最后,基于厂家和型号的信息关联和二者初步识别结果,进行关联识别,提取电表异构信息。实验结果表明:文中提出的改进关联系数神经网络可有效提取拆回电表型号和厂家这两种不同结构的信息,准确率达到98.71%,提取单张电表信息平均耗时0.406 s。与主流文本识别和目标检测算法相比,所提算法提高了拆回电表信息提取精度,有助于实现拆回电表信息的自动录入与建档。

关键词：文本识别目标检测拆回电表关联识别 YOLOv4-Tiny ctpn-densenet-ctc

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：