本發(fā)明涉及圖像識別領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的復(fù)雜文字識別方法。通過分析文字復(fù)雜性的原因，使用隨機(jī)樣本生成器產(chǎn)生的包含待識別圖片噪聲模型和扭曲特征模型的訓(xùn)練樣本來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)；這樣的訓(xùn)練樣本中包含復(fù)雜的噪聲和扭曲變形，可以滿足各種復(fù)雜文字識別的需要；將少量人工標(biāo)注的第一訓(xùn)練樣本集和隨機(jī)生成的大量第二訓(xùn)練樣本集混合后輸入所述深度神經(jīng)網(wǎng)絡(luò)中，解決了通過深度神經(jīng)網(wǎng)絡(luò)來識別文字時(shí)需要大量人工標(biāo)注訓(xùn)練樣本的問題；并且在保留了待識別圖片的噪聲、扭曲等復(fù)雜性的前提下，使用最先進(jìn)的深度神經(jīng)網(wǎng)絡(luò)進(jìn)行自動化學(xué)習(xí)，避免了現(xiàn)有OCR方法中需要去噪而導(dǎo)致的信息丟失的問題，提高了識別的準(zhǔn)確率。