基于视觉注意力模型的电表铭牌识别研究

为实现电力设备铭牌中文字信息的自动识别，提升设备管理的效率，提出一种面向场景文字（scene text）的文本内容识别方法。该方法依赖于从卷积特征中训练得到的基于长短时记忆网络（long short-term memory，LSTM）的视觉注意力模型。一组特征向量由与图像不同区域对应的卷积层提取，从而将图像空间信息编码到特征中。通过这一方式，模型可以选择关注图像的不同部分，并结合卷积特征与注意力权重识别文字。进一步地 ，引入语言模型并修改集束搜索（beam search）策略可以显著改善识别效果。在真实数据集上的结果验证了该方法的有效性。