買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉濟(jì)南大學(xué)申請(qǐng)的專利混合字體文本的動(dòng)態(tài)數(shù)據(jù)處理與識(shí)別方法及裝置獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120148038B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510626154.X，技術(shù)領(lǐng)域涉及：G06V30/14；該發(fā)明授權(quán)混合字體文本的動(dòng)態(tài)數(shù)據(jù)處理與識(shí)別方法及裝置是由張永峰;陳星;陳月輝;丁冬睿;李佩庚;李彥輝;趙暉;田新棟設(shè)計(jì)研發(fā)完成，并于2025-05-15向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本混合字體文本的動(dòng)態(tài)數(shù)據(jù)處理與識(shí)別方法及裝置在說(shuō)明書摘要公布了：本發(fā)明的一種混合字體文本的動(dòng)態(tài)數(shù)據(jù)處理與識(shí)別方法及裝置，屬于光學(xué)字符識(shí)別技術(shù)領(lǐng)域，方法包括如下步驟：采集待處理的混合字體文本圖像并輸入增強(qiáng)型DBNet檢測(cè)網(wǎng)絡(luò)定位文本區(qū)域；集成輕量級(jí)MobileNetV3字體分類子網(wǎng)絡(luò)，與檢測(cè)主干共享底層特征，經(jīng)聯(lián)合損失函數(shù)訓(xùn)練多任務(wù)網(wǎng)絡(luò)，輸出帶字體類型標(biāo)簽的文本區(qū)域；然后依標(biāo)簽選識(shí)別分支，印刷體用傳統(tǒng)CRNN識(shí)別；手寫體以線性可變卷積替代傳統(tǒng)卷積，靠熱力圖引導(dǎo)核動(dòng)態(tài)縮放，在BiLSTM層嵌入多頭注意力機(jī)制識(shí)別；最后融合結(jié)果，輸出帶標(biāo)簽的檢測(cè)與識(shí)別結(jié)果。本發(fā)明提高了混合字體文本數(shù)據(jù)處理與識(shí)別精度，增強(qiáng)了手寫體文本識(shí)別的適應(yīng)性和魯棒性，滿足多樣文本識(shí)別需求。

本發(fā)明授權(quán)混合字體文本的動(dòng)態(tài)數(shù)據(jù)處理與識(shí)別方法及裝置在權(quán)利要求書中公布了：1.一種混合字體文本的動(dòng)態(tài)數(shù)據(jù)處理與識(shí)別方法，其特征在于，包括如下步驟： S1，采集待處理的混合字體文本圖像，并輸入增強(qiáng)型DBNet文本檢測(cè)網(wǎng)絡(luò)對(duì)圖像中文本區(qū)域進(jìn)行定位檢測(cè)，所述增強(qiáng)型DBNet文本檢測(cè)網(wǎng)絡(luò)在FPN特征金字塔中嵌入坐標(biāo)注意力機(jī)制，通過(guò)多尺度特征融合建立空間位置與通道特征的動(dòng)態(tài)關(guān)聯(lián)，輸出概率圖和閾值圖； S2，集成輕量級(jí)MobileNetV3字體分類子網(wǎng)絡(luò)，與檢測(cè)主干共享底層特征，并設(shè)計(jì)聯(lián)合損失函數(shù)，進(jìn)行多任務(wù)聯(lián)合學(xué)習(xí)框架網(wǎng)絡(luò)訓(xùn)練，輸出帶字體類型標(biāo)簽的文本區(qū)域，所述聯(lián)合損失函數(shù)包括檢測(cè)損失與分類損失； S3，根據(jù)字體類型標(biāo)簽選擇對(duì)應(yīng)的識(shí)別分支，對(duì)于印刷體文本區(qū)域，基于傳統(tǒng)CRNN網(wǎng)絡(luò)，經(jīng)由卷積層、循環(huán)層、轉(zhuǎn)錄層對(duì)印刷體文本進(jìn)行識(shí)別； S4，對(duì)于手寫體文本區(qū)域，采用線性可變卷積替代傳統(tǒng)卷積，通過(guò)熱力圖引導(dǎo)的核動(dòng)態(tài)縮放適應(yīng)連筆變形，并在CRNN網(wǎng)絡(luò)的BiLSTM層嵌入多頭注意力機(jī)制，建立轉(zhuǎn)折點(diǎn)時(shí)空關(guān)聯(lián)模型對(duì)手寫體文本進(jìn)行識(shí)別； S5，融合手寫體文本識(shí)別結(jié)果與印刷體文本識(shí)別結(jié)果，輸出帶有標(biāo)簽的文本檢測(cè)區(qū)域結(jié)果及識(shí)別結(jié)果； 通過(guò)熱力圖引導(dǎo)的核動(dòng)態(tài)縮放適應(yīng)連筆變形的過(guò)程包括： 在卷積神經(jīng)網(wǎng)絡(luò)的Stage-2輸出后插入一個(gè)輕量級(jí)分支，通過(guò)輕量級(jí)卷積增強(qiáng)連筆區(qū)域的特征表示，同時(shí)降低計(jì)算復(fù)雜度； 通過(guò)公式計(jì)算熱力圖的均值； 依據(jù)熱力圖均值對(duì)后續(xù)卷積層的核權(quán)重進(jìn)行動(dòng)態(tài)調(diào)整：， 其中，是可學(xué)習(xí)參數(shù)；當(dāng)連筆程度較高時(shí)，增強(qiáng)局部動(dòng)態(tài)卷積的權(quán)重以適應(yīng)形變區(qū)域；連筆較少時(shí)，保持基礎(chǔ)卷積的特征提取能力； 學(xué)習(xí)一個(gè)仿射變換矩陣，補(bǔ)償連筆導(dǎo)致的縮放、剪切和平移： 33， 其中，，控制方向的縮放，適應(yīng)字符的寬度變化；，控制剪切角度，模擬連筆導(dǎo)致的傾斜形變；，負(fù)責(zé)平移，補(bǔ)償書寫偏移造成的局部位移誤差； 對(duì)仿射矩陣進(jìn)行奇異值分解并約束其變換矩陣為對(duì)角矩陣： 34； 使用一個(gè)動(dòng)態(tài)掩膜來(lái)調(diào)整卷積核的權(quán)重： 35， 其中，是基礎(chǔ)卷積核權(quán)重，是動(dòng)態(tài)掩膜，由卷積與Sigmoid生成，每個(gè)位置的值表示該處卷積核的響應(yīng)增強(qiáng)程度；當(dāng)時(shí)，增強(qiáng)連筆形變區(qū)域的卷積核響應(yīng)，當(dāng)時(shí)抑制背景噪聲； 建立轉(zhuǎn)折點(diǎn)時(shí)空關(guān)聯(lián)模型的過(guò)程包括： 在CRNN網(wǎng)絡(luò)的BiLSTM層嵌入多頭注意力機(jī)制，將輸入特征映射至多個(gè)不同的表示子空間，每個(gè)子空間內(nèi)獨(dú)立執(zhí)行自注意力機(jī)制，捕捉輸入序列中不同位置之間的上下文依賴； 通過(guò)公式將輸入特征分別映射為查詢Q、鍵K和值V： 36， 其中，W Q、W K和W V是可學(xué)習(xí)的權(quán)重矩陣，X是輸入特征； 計(jì)算注意力權(quán)重： 37， 其中，是鍵向量的維度； 對(duì)V進(jìn)行加權(quán)求和得到當(dāng)前時(shí)間步的上下文表示； 將輸入特征并行傳入多個(gè)注意力頭，分別計(jì)算注意力表示，通過(guò)拼接操作融合各頭輸出，再經(jīng)線性變換進(jìn)一步整合，得到包含豐富上下文依賴的全局表示。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人濟(jì)南大學(xué)，其通訊地址為：250000 山東省濟(jì)南市市中區(qū)南辛莊西路336號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。