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...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。展开更多
