摘要：为全面、准确、快速地提取柱面电线杆标识牌信息,提出一种轻量级柱面电线杆标识牌字符识别算法Tiny-DBNet-crnn。对柱面图像进行反投影矫正展平;融合注意力机制,利用深度可分离卷积残差块,构建轻量级文本检测网络分割出文本区域;构建字符识别模型crnn输出标识牌字符信息。采用真实场景数据和ICDAR 2015数据进行实验,结果与当前流行模型相比,Tiny-DBNet-crnn字符识别正确率提升了40.3%,达95.11%;在精度下降0.60%的微小损失下,检测速度提升3倍,参数规模上总体下降45.15%。

摘要：为进一步提升企业财务预算绩效管理水平,提出一种基于HOG特征提取结合深度学习的预算绩效系统。其中,在构建企业预算绩效系统整体框架基础上,重点就图像处理技术在预算绩效系统中的应用进行设计。为提高企业预算绩效系统的自动化能力,对预算的部分票据等采用HOG进行特征提取,对预算清单中的文本信息采用crnn进行识别。仿真结果表明,HOG特征提取结合crnn识别可有效识别预算文本信息,且识别精确率达到了97.9%。以上实验结果验证了本研究设计的预算绩效系统的可行性和合理性,具有一定的使用价值。