[發明專利]一種文字識別方法、系統及設備

在審

• 申請號: 201910284967.X
• 申請日: 2019-04-10
• 公開（公告）號: CN111814508A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 劉昕冉;郝志會
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京思格頌知識產權代理有限公司 11635
• 代理人: 楊超

本發明公開一種文字識別方法、系統及設備。所述方法包括：使用機器學習模型對文本圖像進行特征提取，生成文本圖像的特征圖；使用注意力機制Attention模型和長短期記憶網絡LSTM模型逐個識別出所述文本圖像中的文字，具體包括：將所述文本圖像的特征圖和隱層單元節點特征輸入Attention模型，得到對所述文本圖像中的一個待識別文字進行加權的加權特征圖；將所述加權特征圖、隱層單元節點特征和文字特征輸入LSTM模型，得到所述待識別文字對應的文字、該文字的文字特征和隱層單元節點特征。本發明解決了現有技術中文字識別容易出現誤檢或漏檢，識別準確性差的問題。

技術領域

本發明涉及計算機視覺領域，特別涉及一種文字識別方法、系統及設備。

背景技術

現有技術中，目前我們采用的光學文字識別(Optical Character Recognition，OCR)主要使用文字單字檢測和文字單字識別的方法。但是傳統的檢測加識別的兩步方法，在檢測單字和識別單字時不具備上下文信息，只具有局部信息。在識別帶有左右結構的漢字時，由于左右結構的漢字的左右兩部分都是常見漢字，如“胖”或“材”等漢字，容易識別為兩個單獨的文字，字符檢測時造成文字誤檢；在識別一些結構簡單或者結構松散的漢字時，如“一”或“口”等漢字，這類字太過簡單，單獨出現的話，很難判斷是文字還是圖形或者符號，字符檢測時造成誤檢或者漏檢；在識別英文和數字組成的文本時，由于有的英文字母和數字的字符形狀相近，例如英文中的“I”和數字中的“1”、英文中的“o”和數字中的“0”，單獨識別時，很難判斷是英文字母還是數字。可見，現有的文字識別方法，存在漏檢、誤檢的問題，得到的識別結果的準確性差。

發明內容

鑒于上述問題，提出了本發明以便提供一種克服上述問題或者至少部分地解決上述問題的一種文字識別方法、系統及設備。

第一方面，本發明實施例提供一種文字識別方法，包括如下步驟：

使用機器學習模型對文本圖像進行特征提取，生成文本圖像的特征圖；

使用注意力機制Attention模型和長短期記憶網絡LSTM模型逐個識別出所述文本圖像中的文字，具體包括：

將所述文本圖像的特征圖和隱層單元節點特征輸入Attention模型，得到對所述文本圖像中的一個待識別文字進行加權的加權特征圖；

將所述加權特征圖、隱層單元節點特征和文字特征輸入LSTM模型，得到所述待識別文字對應的文字、該文字的文字特征和隱層單元節點特征；

其中，Attention模型和LSTM模型用于識別所述文本圖像中第一個文字時輸入的是預設的隱層單元節點特征、預設的文字特征，用于識別第N個文字時輸入的是已識別出的第N-1個文字的隱層單元節點特征、文字特征，N為大于等于2的整數。

第二方面，本發明實施例提供一種文字識別系統，包括：

特征圖生成模塊，用于使用機器學習模型對文本圖像進行特征提取，生成文本圖像的特征圖；

文字識別模塊，用于使用注意力機制Attention模型和長短期記憶網絡LSTM模型逐個識別出所述文本圖像中的文字，具體包括：

將所述文本圖像的特征圖和隱層單元節點特征輸入Attention模型，得到對所述文本圖像中的一個待識別文字進行加權的加權特征圖；

將所述加權特征圖、隱層單元節點特征和文字特征輸入LSTM模型，得到所述待識別文字對應的文字、該文字的文字特征和隱層單元節點特征；

其中，Attention模型和LSTM模型用于識別所述文本圖像中第一個文字時輸入的是預設的隱層單元節點特征、預設的文字特征，用于識別第N個文字時輸入的是已識別出的第N-1個文字的隱層單元節點特征、文字特征，N為大于等于2的整數。