用于点状阿拉伯文保质期日期图像翻译的阶梯自底向上卷积双向变分自编码器

本文提出一种采用阶梯自底向上卷积双向变分自编码器（LCBVAE）架构作为编码器与解码器的方法，该方法通过在将阿拉伯文点状保质期日期重建为填充式保质期日期的图像翻译任务上进行训练。我们采用并适配了卷积循环神经网络 CRNN 模型的定制版本以满足我们的特定需求并提升其在我们场景中的性能，随后使用 2019 年至 2027 年的填充式图像训练该定制 CRNN 模型，以提取保质期日期并评估 LCBVAE 在保质期日期识别上的模型性能。（LCBVAE+CRNN）流程可集成至自动化分拣系统，用于在制造阶段提取到期日期并相应分拣产品。此外，它可克服在商户处手动录入保质期日期耗时且低效的问题。由于点状阿拉伯文保质期日期图像的缺乏，我们创建了阿拉伯文点阵 True Type 字体（TTF）用于合成图像生成。我们使用 60,000 张不真实合成日期图像训练模型，并在 2019 年至 2027 年（表示为 yyyy/mm/dd）的 3000 张真实感合成日期图像上进行测试。在我们的研究中，我们展示了在下游迁移学习任务（如图像翻译）中，当潜瓶颈层尺寸增至 1024 时，其对提升泛化能力的重要性。所提方法在采用 LCBVAE 架构的图像翻译上达到了 97% 的准确率，该架构可推广至任何下游图像翻译与重建学习任务。