技術編號：9453423
提示：您尚未登錄，請點 登 陸 后下載，如果您還沒有賬戶請點 注 冊 ，登陸完成后，請刷新本頁查看技術詳細信息。 對于文字識別（0CR)，傳統(tǒng)的方法需要人工設計特征，這需要大量專家知識。而深 度學習是一種特征學習方法，只需要提供大量訓練樣本，模型就會自動學習到魯棒的特征 表達。 另外，常見的卷積神經(jīng)網(wǎng)絡卷積層一般不超過5層。相對于少數(shù)幾個卷積層，使用 更多的卷積層不可避免地增加了問題的難度。傳統(tǒng)的解決思路是直接隨機初始化網(wǎng)絡權 值，再進行訓練。然而當卷積層超過5層后，這種方法會導致無法訓練。發(fā)明內(nèi)容 為了解決現(xiàn)有技術存在的空缺，本發(fā)明的一個目的是提供一種基于深度學習...
注意：該技術已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權人授權前，僅供技術研究參考不得用于商業(yè)用途。
該專利適合技術人員進行技術研發(fā)參考以及查看自身技術是否侵權，增加技術思路，做技術知識儲備，不適合論文引用。
請注意，此類技術沒有源代碼，用于學習研究技術思路。