摘要：飞机地面维护工卡是维修操作和记录的重要依据，分步完成其手工填写和数字化存储具有重要价值。受行业规范限制同时减少飞机运行安全隐患，设计成可离线部署工作的识别模型。工卡书写不但字符类别数目多，还存在大量汉字、英文混用情形，导致字符特征提取困难，识别精度不高。为了针对性提升平均识别准确率和速度，减少结构相似字、结构复杂字等的错误识别，本文提出一种新的多分支卷积与特征融合提取结构。利用深层卷积的多尺度特征提取优势，引入改进的重参数化多分支结构改善图像全局、局部特征提取效果；采用全卷积实现区域空间特征与图像深层特征融合，在分类过程中，本文提出融合全卷积分类器结构，依据字符特征复杂程度不同自适应分类，改善相似字、复杂字类间、类内的分类识别效果。与主流的手写字识别方法相比，改进后结构为69.1MB，在汉字数据集上的实验表明识别精度与速度均大幅提升，top1和top5分别达到97.50%和99.79%。对相似字符、中英文字符的识别，模型优势明显，在包含了中英文和数字的数据集上的改进后结构为69.2MB，实验结果表明top1达到了97.23%，推理速度达到每秒1400张以上，对飞机地面维护工卡识别等特定领域有一定价值。
文章目录
1 问题提出
2 分类识别模型设计
2.1 重参数化卷积结构设计
2.2 分类器融合结构设计
3 模型训练与验证
3.1 验证实验
3.2 消融实验
3.3 对比实验
4 结论
