買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京工商大學申請的專利基于Transformer網絡模型的數字標牌圖像文本識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117152764B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311186744.2，技術領域涉及：G06V30/148；該發明授權基于Transformer網絡模型的數字標牌圖像文本識別方法是由劉敏華;張珣;黃先開;石金蓮;梁春芳;張鑫設計研發完成，并于2023-09-14向國家知識產權局提交的專利申請。

本基于Transformer網絡模型的數字標牌圖像文本識別方法在說明書摘要公布了：本發明公布了一種基于Transformer網絡模型的數字標牌圖像文本識別方法，基于Transformer網絡模型與場景文本識別STR技術，利用相對位置編碼獲取數字標牌圖像的位置編碼，將不同子空間的特征表達連接到編碼器，從而準確識別數字標牌圖像中的文本。本發明采用相對位置編碼從水平、豎直兩個維度上對圖像特征圖進行編碼，可準確捕獲二維圖像塊之間的位置信息，更好地建模圖像中的文本信息，能夠更加準確地識別數字標牌圖像中的文本。

本發明授權基于Transformer網絡模型的數字標牌圖像文本識別方法在權利要求書中公布了：1.一種基于Transformer網絡模型的數字標牌圖像文本識別方法，其特征是，基于Transformer網絡模型與場景文本識別STR技術，利用相對位置編碼獲取數字標牌圖像的位置編碼，將不同子空間的特征表達連接到編碼器，從而準確識別數字標牌圖像中的文本；包括如下步驟： 1利用文本檢測網絡CTPN對數字標牌圖像進行文字檢測，獲取數字標牌圖像中文本區域的候選框； 2根據步驟1得到的候選框對數字標牌圖像進行降噪處理，作為輸入數字標牌圖像數據； 3每個輸入數字標牌圖像x∈RH×W×C包括一系列二維圖像塊；圖像尺寸為H×W，通道數為C；利用線性投影獲取數字標牌圖像的圖像塊向量； 4利用相對位置編碼方法計算得到數字標牌圖像各二維圖像塊之間的位置編碼；并與步驟3中得到的圖像塊向量相加得到的向量，作為Transformer模型編碼器的輸入； 利用二維相對位置編碼捕獲二維圖像塊之間的位置關系，將輸入二維圖像塊之間的相對位置編碼為向量并嵌入到自注意力模塊，表示為： 其中，x＝x1,…,xn是輸入序列，數字標牌圖像塊的嵌入，z＝z1,...,zn是輸出序列，dx＝dz，WV、WQ、WK是參數矩陣，是輸入二維圖像塊之間的相對位置編碼向量，αij是圖像塊i和圖像塊j之間的權重系數，eij是通過歸一化指數函數softmax后圖像塊i對于圖像塊j的關注程度，bij是二維相對位置編碼，下標i和j對應數字標牌圖像上的兩個二維坐標； 從水平、豎直方向的兩個維度上對數字標牌圖像進行編碼，分別計算水平方向和垂直方向上的編碼，再進行匯總；對輸入的二維圖像塊之間的相對位置進行編碼，二維相對位置編碼表示為： bij＝xiWQrij T 其中，是圖像塊i和圖像塊j在水平方向上的相對位置，是圖像塊i和圖像塊j在垂直方向上的相對位置，是水平方向上的位置編碼，是垂直方向上的位置編碼，rij表示圖像塊i和圖像塊j之間的相對位置權重，和均為可學習標量； 將得到的圖像塊向量與利用相對位置編碼得到的位置編碼信息相加，作為Transformer模型編碼器的輸入； 5利用Transformer模型編碼器，對輸入的數據提取數字標牌圖像中文本的特征向量，通過編碼器的多頭自注意力機制確定文本特征向量之間的關系，利用編碼器的前饋神經網絡對多頭自注意力層的輸出結果做非線性變換，輸出識別到的文本； 具體是對每個Transformer模型編碼器的輸入利用層歸一化方法進行歸一化，利用多頭自注意力處理來自不同位置的不同子空間的信息，確定特征向量之間的關系，將層歸一化的輸出與多頭自注意力的輸出做殘差連接，輸出結果再次進行歸一化，利用前饋神經網絡做非線性變換，由此輸出識別到的文本； 通過上述步驟，即實現基于Transformer網絡模型的數字標牌圖像文本識別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京工商大學，其通訊地址為：100048 北京市海淀區阜成路33號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。