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！

申请/专利权人：国网湖北省电力有限公司经济技术研究院;湖北科能电力电子有限公司

摘要：一种基于改进LSTM‑CTC的电网基建档案电子化智能识别方法，包括：将电网基建档案图像数据集划分为训练集和测试集，并将训练集中的图像输入到LSTM网络提取电网基建档案图像中文本的特征序列；将特征序列输入CTC损失函数，在迭代寻优的过程中不断调整权重，直到寻到最优超参数，将最优超参数输入LSTM‑CTC模型，得到训练好的LSTM‑CTC模型；将待识别图像输入已训练好的LSTM‑CTC模型，得到文本识别结果。本发明能够显著提升电网基建档案的识别效率与精度。

主权项：1.一种基于改进LSTM-CTC的电网基建档案电子化智能识别方法，其特征在于，包括：将电网基建档案图像数据集划分为训练集和测试集，并将训练集中的图像输入到LSTM网络提取电网基建档案图像中文本的特征序列；将特征序列输入CTC损失函数，在迭代寻优的过程中不断调整权重，直到寻到最优超参数，将最优超参数输入LSTM-CTC模型，得到训练好的LSTM-CTC模型；CTC损失函数中权重更新方法为：对于给定的输入序列，LSTM-CTC模型进行前向传播，计算出预测的标签序列；利用预测的标签序列和真实的标签序列，计算CTC损失函数：α*Cyo，yd*x＝…＝β*Cyo，yd*y；x+…+y＝1；Cyo，yd＝-yd*logyo；α+…+β＝N；式中，α和β为单个图像中一类样本的数量；N为样本总数；yo和yd为LSTM-CTC模型的输出和数据集标签；函数C为CTC损失函数计算公式；x和y为每类样本的权重；根据计算得到的CTC损失函数，执行反向传播，计算出相对于LSTM-CTC模型参数的梯度；利用计算得到的梯度信息，使用随机梯度下降算法来更新权重，权重的更新按照下式进行： 式中，λk+1为在第k+1次迭代过程中样本权重；λk为在第k次迭代过程中样本权重；η为学习率；为损失函数关于样本权重的梯度值；重复执行上述步骤，直到达到预定的训练轮数或达到停止条件；将待识别图像输入已训练好的LSTM-CTC模型，得到文本识别结果。

全文数据：

权利要求：

百度查询： 国网湖北省电力有限公司经济技术研究院 湖北科能电力电子有限公司 基于改进LSTM-CTC的电网基建档案电子化智能识别方法及装置