-
题名双网络模型下的智能医疗票据识别方法
被引量：3
- 1
-
-
作者
郑祖兵
盛冠群
谢凯
唐新功
文畅
李长晟
-
机构
长江大学电工电子国家级实验教学示范中心
长江大学电子信息学院
油气资源与勘探技术教育部重点实验室(长江大学)
长江大学计算机科学学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第12期141-148,共8页
-
基金
国家自然科学基金(No.41674107)
国家重点研发计划(No.2017YFB0202904)
+2 种基金
长江大学青年基金(No.2016CQN10)
长江大学创新创业训练项目(No.2017010,No.2018047)
2018年油气资源与勘探技术教育部重点实验室开放基金(No.K2018-15)。
-
文摘
为了满足医疗行业大量针式票据录入工作的需求,解决传统人工录入方式效率低、精度低的问题,构建了双网络模型下的针式打印字体医疗票据识别方法。传统目标检测网络的参数同时描述了目标的位置与类别信息,其用于大规模定位识别任务时由于参数量庞大导致网络极难以训练,为解决以上问题,提出了双网络模型方法以联合Faster RCNN与深度卷积神经网络实现票据中字符的定位与识别,双网络将定位与识别分步进行以降低任务的复杂度。实验采用自建票据数据集与字库数据集进行网络训练,利用现场采集的票据验证了算法的有效性,通过测试不同参数下模型的性能来选定最佳参数,并对比分析了该方法与传统方法的识别效果。实际测试表明,识别准确率达95.4%,召回率达92.7%,速度达0.76 s/张。
-
关键词
深度学习
卷积神经网络
票据识别
票据校正
字符识别
文本定位
-
Keywords
Deep Learning
Convolutional Neural Network(CNN)
bill recognition
bill correction
character recognition
text location
-
分类号
TP391.43
[自动化与计算机技术—计算机应用技术]
-
