一种光栅视错觉文字识别方法

本发明公开了一种光栅视错觉文字识别方法，首先构建具有光栅视错觉感知的DNNs文字识别模型，使用MNIST的训练集训练DNNs文字识别模型，再使用测试集测试训练好的模型，输入测试图像到文字识别模型得到侧边输出特征和多尺度融合特征，侧边输出特征通过FFIAM模块得到注意力调制的侧边输出特征，将注意力调制的侧边输出特征中特征尺寸最小的一组传入分类层，得到文字识别的概率输出，最后得到文字识别结果，完成光栅视错觉文字识别。本发明的方法引导DNNs在训练时学习到全局形状偏好而不是局部特征，以提升DNNs光栅视错觉感知能力，增强文字识别的鲁棒性，有助于提升场景字符识别任务中对印刷品、广告牌上以光栅视错觉方式呈现的文字的识别准确率，提升系统可靠性。