发明人：杨海东; 黄坤山; 李俊宇; 彭文瑜; 林玉山; 魏登明

本发明公开一种基于深度学习的注意力机制文本识别方法，包括S1、获取模型训练数据集；S2、对所述模型训练数据集进行预处理；S3、构建模型卷积层，输入所述模型训练数据集进行特征提取，获得图像的特征图，以待输出给后面循环神经网络结构，其视觉特征是通过卷积层与最大池层交错的多层卷积神经网络提取的，CNN接受原始输入，并生成尺寸为D×H×W的特征网格V，其中D表示通道数，H和W是结果特征图的高度和宽度等6个步骤，本发明克服了使用基于CTC的模型的神经OCR技术文本识别准确率低的难题，同时可以显著较少网络的计算量，并且能保证模型对公式的预测精度没有太大的下降。