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！

龍圖騰網恭喜成都工業學院申請的專利一種基于PP-OCRv3遷移學習的字符識別方法及裝置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：CN119625738B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202510168380.8，技術領域涉及：G06V30/10；該發明授權一種基于PP-OCRv3遷移學習的字符識別方法及裝置是由包姣;肖粲俊;伍龍軍;石發強;鄧潔茹設計研發完成，并于2025-02-17向國家知識產權局提交的專利申請。

本一種基于PP-OCRv3遷移學習的字符識別方法及裝置在說明書摘要公布了：本發明公開一種基于PP?OCRv3遷移學習的字符識別方法及裝置，該方法基于PP?OCRv3網絡，構建預訓練模型；通過文本識別公共數據集對預訓練模型進行第一次訓練學習，獲得預訓練模型的第一模型參數；將預訓練模型代入第一模型參數，通過實驗室自制數顯屏字符數據集對預訓練模型進行第二次訓練學習，獲得預訓練模型的第二模型參數；將預訓練模型代入第二模型參數，通過部分真實數據及模擬數據對預訓練模型進行迭代訓練學習，直至損失函數滿足設定損失值，完成訓練學習，獲得訓練好的預訓練模型；將目標文本圖像輸入訓練好的預訓練模型進行識別處理，輸出識別結果。本發明有效降低了環境對識別性能的影響，提高了識別準確度和速度。

本發明授權一種基于PP-OCRv3遷移學習的字符識別方法及裝置在權利要求書中公布了：1.一種基于PP-OCRv3遷移學習的煤礦數顯屏字符識別方法，其特征在于，包括：基于PP-OCRv3網絡，構建預訓練模型；通過文本識別公共數據集對所述預訓練模型進行第一次訓練學習，獲得所述預訓練模型的第一模型參數；將所述預訓練模型代入所述第一模型參數，通過實驗室自制數顯屏字符數據集對所述預訓練模型進行第二次訓練學習，獲得所述預訓練模型的第二模型參數；將所述預訓練模型代入所述第二模型參數，通過部分真實數據及模擬數據對所述預訓練模型進行迭代訓練學習，直至損失函數滿足設定損失值，完成訓練學習，獲得訓練好的所述預訓練模型；將目標文本圖像輸入訓練好的所述預訓練模型進行識別處理，輸出識別結果；預訓練模型PP-OCRv3初始化權重W0＝W0BD，W0SVTR，公共文字識別數據集為源任務訓練樣本，模型收斂得參數W1＝W1BD，W1SVTR；用W1初始化預訓練模型權重，凍結PP-OCRv3網絡中BD的參數W1BD，設自制數據集為目標域進行遷移學習，獲得遷移后模型參數W2＝W1BD，W2SVTR；凍結PP-OCRv3網絡中BD部分的參數W1BD，并用參數W2SVTR初始化識別模塊網絡參數，用真實數據和模擬數據組成的數據集為目標域進行再次遷移學習，獲得遷移后模型參數W3＝W1BD，W3SVTR；在所述預訓練模型進行訓練學習的過程中，基于字符檢測及字符識別分別構建檢測模塊損失函數和識別模塊損失函數，并通過反向傳播算法對所述預訓練模型的參數進行迭代更新；所述檢測模塊損失函數的表達式為：Ltotal＝Lp+αLb+βLt式中，Ltotal為檢測模塊的總損失函數；Lp為概率圖損失；Lb為近似二值圖損失；Lt為閾值圖損失；α和β均為權重系數；所述識別模塊損失函數的表達式為： 式中，Y*為模型求解得到的最優字符標簽序列；X為包含字符圖像的特征表達序列，這些包含字符的圖像由檢測模塊獲取并同過矯正模塊進行矯正；Y為求解得到的字符標簽序列；條件概率pY|X表示已知輸入為X的條件下字符標簽為Y的概率；通過準確率和每秒傳輸幀數兩個指標對訓練好的所述預訓練模型進行性能評估；所述準確率的計算公式為： 式中，TP為正樣本識別為正樣本的個數；TN為正樣本識別結果是正樣本的個數；P+N為數據集樣本總數。

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成都工業學院，其通訊地址為：610000 四川省成都市花牌坊街2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”。