双网络模型下的智能医疗票据识别方法

为了满足医疗行业大量针式票据录入工作的需求，解决传统人工录入方式效率低、精度低的问题，构建了双网络模型下的针式打印字体医疗票据识别方法。传统目标检测网络的参数同时描述了目标的位置与类别信息，其用于大规模定位识别任务时由于参数量庞大导致网络极难以训练，为解决以上问题，提出了双网络模型方法以联合FasterRCNN与深度卷积神经网络实现票据中字符的定位与识别，双网络将定位与识别分步进行以降低任务的复杂度。实验采用自建票据数据集与字库数据集进行网络训练，利用现场采集的票据验证了算法的有效性，通过测试不同参数下模型的性能来选定最佳参数，并对比分析了该方法与传统方法的识别效果。实际测试表明，识别准确率达95.4%，召回率达92.7%，速度达0.76 s/张。