买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜成都工业学院申请的专利一种基于PP-OCRv3迁移学习的字符识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119625738B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510168380.8，技术领域涉及：G06V30/10；该发明授权一种基于PP-OCRv3迁移学习的字符识别方法及装置是由包姣;肖粲俊;伍龙军;石发强;邓洁茹设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本一种基于PP-OCRv3迁移学习的字符识别方法及装置在说明书摘要公布了：本发明公开一种基于PP‑OCRv3迁移学习的字符识别方法及装置，该方法基于PP‑OCRv3网络，构建预训练模型；通过文本识别公共数据集对预训练模型进行第一次训练学习，获得预训练模型的第一模型参数；将预训练模型代入第一模型参数，通过实验室自制数显屏字符数据集对预训练模型进行第二次训练学习，获得预训练模型的第二模型参数；将预训练模型代入第二模型参数，通过部分真实数据及模拟数据对预训练模型进行迭代训练学习，直至损失函数满足设定损失值，完成训练学习，获得训练好的预训练模型；将目标文本图像输入训练好的预训练模型进行识别处理，输出识别结果。本发明有效降低了环境对识别性能的影响，提高了识别准确度和速度。

本发明授权一种基于PP-OCRv3迁移学习的字符识别方法及装置在权利要求书中公布了：1.一种基于PP-OCRv3迁移学习的煤矿数显屏字符识别方法，其特征在于，包括：基于PP-OCRv3网络，构建预训练模型；通过文本识别公共数据集对所述预训练模型进行第一次训练学习，获得所述预训练模型的第一模型参数；将所述预训练模型代入所述第一模型参数，通过实验室自制数显屏字符数据集对所述预训练模型进行第二次训练学习，获得所述预训练模型的第二模型参数；将所述预训练模型代入所述第二模型参数，通过部分真实数据及模拟数据对所述预训练模型进行迭代训练学习，直至损失函数满足设定损失值，完成训练学习，获得训练好的所述预训练模型；将目标文本图像输入训练好的所述预训练模型进行识别处理，输出识别结果；预训练模型PP-OCRv3初始化权重W0＝W0BD，W0SVTR，公共文字识别数据集为源任务训练样本，模型收敛得参数W1＝W1BD，W1SVTR；用W1初始化预训练模型权重，冻结PP-OCRv3网络中BD的参数W1BD，设自制数据集为目标域进行迁移学习，获得迁移后模型参数W2＝W1BD，W2SVTR；冻结PP-OCRv3网络中BD部分的参数W1BD，并用参数W2SVTR初始化识别模块网络参数，用真实数据和模拟数据组成的数据集为目标域进行再次迁移学习，获得迁移后模型参数W3＝W1BD，W3SVTR；在所述预训练模型进行训练学习的过程中，基于字符检测及字符识别分别构建检测模块损失函数和识别模块损失函数，并通过反向传播算法对所述预训练模型的参数进行迭代更新；所述检测模块损失函数的表达式为：Ltotal＝Lp+αLb+βLt式中，Ltotal为检测模块的总损失函数；Lp为概率图损失；Lb为近似二值图损失；Lt为阈值图损失；α和β均为权重系数；所述识别模块损失函数的表达式为： 式中，Y*为模型求解得到的最优字符标签序列；X为包含字符图像的特征表达序列，这些包含字符的图像由检测模块获取并同过矫正模块进行矫正；Y为求解得到的字符标签序列；条件概率pY|X表示已知输入为X的条件下字符标签为Y的概率；通过准确率和每秒传输帧数两个指标对训练好的所述预训练模型进行性能评估；所述准确率的计算公式为： 式中，TP为正样本识别为正样本的个数；TN为正样本识别结果是正样本的个数；P+N为数据集样本总数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都工业学院，其通讯地址为：610000 四川省成都市花牌坊街2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。