[發明專利]用于識別圖像中的字符的方法、裝置、設備和介質

有效

• 申請號: 201910291030.5
• 申請日: 2019-04-11
• 公開（公告）號: CN110135427B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 郭賀;欽夏孟;韓鈞宇;朱勝賢
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/46;G06K9/62
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 李輝;羅利娜

根據本公開的實施例，提供了用于識別圖像中的字符的方法、裝置、設備和介質。一種識別圖像中的字符的方法包括：提取圖像的特征表示；通過對特征表示應用注意力機制來確定針對多個字符識別模型的相應的多個注意力特征表示，多個字符識別模型分別被配置用于識別多個類型的字符；以及利用多個字符識別模型來分別處理多個注意力特征表示，以識別圖像中與多個類型相關的字符。以此方式，可以更直接、準確且快速地識別出圖像中期望的字符。

技術領域

本公開的實施例主要涉及圖像處理領域，并且更具體地，涉及用于識別圖像中的字符的方法、裝置、設備和計算機可讀存儲介質。

背景技術

學字符識別(OCR)是將圖像中呈現的字符識別為計算機中可讀字符的過程。OCR具有廣泛的應用，一些示例應用包括網絡圖片文字識別、卡證識別(例如身份證、銀行卡、名片識別等)、票據識別(例如增值稅發票、行程單、火車票、出租車票識別等)、車牌識別等等。在一些應用中，通常需要識別圖像中的若干有用字符，擯棄其他無關字符。傳統的OCR技術存在流程復雜、識別準確度不高等問題。因此，期望能夠以有效方式實現更準確的字符識別。

發明內容

根據本公開的示例實施例，提供了用于識別圖像中的字符的方案。

在本公開的第一方面中，提供了一種識別圖像中的字符的方法。該方法包括提取圖像的特征表示；通過對特征表示應用注意力機制來確定針對多個字符識別模型的相應的多個注意力特征表示，多個字符識別模型分別被配置用于識別多個類型的字符；以及利用多個字符識別模型來分別處理多個注意力特征表示，以識別圖像中與多個類型相關的字符。

在本公開的第二方面中，提供了一種用于識別圖像中的字符的裝置。該裝置包括特征提取模塊，被配置為提取所述圖像的特征表示；注意力機制模塊，被配置為通過對所述特征表示應用注意力機制來確定針對多個字符識別模型的相應的多個注意力特征表示，所述多個字符識別模型分別被配置用于識別多個類型的字符；以及字符識別模塊，被配置為利用所述多個字符識別模型來分別處理所述多個注意力特征表示，以識別所述圖像中與所述多個類型相關的字符。

在本公開的第三方面中，提供了一種電子設備，包括一個或多個處理器；以及存儲裝置，用于存儲一個或多個程序，當一個或多個程序被一個或多個處理器執行，使得一個或多個處理器實現根據本公開的第一方面的方法。

在本公開的第四方面中，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現根據本公開的第一方面的方法。

應當理解，發明內容部分中所描述的內容并非旨在限定本公開的實施例的關鍵或重要特征，亦非用于限制本公開的范圍。本公開的其它特征將通過以下的描述變得容易理解。

附圖說明

結合附圖并參考以下詳細說明，本公開各實施例的上述和其他特征、優點及方面將變得更加明顯。在附圖中，相同或相似的附圖標注表示相同或相似的元素，其中：

圖1示出了本公開的多個實施例能夠在其中實現的環境的示意圖；

圖2示出了根據本公開的一些實施例的用于識別圖像中的字符的系統的示意框圖；

圖3示出了根據本公開的一些實施例的圖2的字符識別模型和注意力機制部分的示例結構的示意框圖；

圖4示出了根據本公開的一些實施例的在訓練階段中圖2的系統的示意框圖；

圖5示出了根據本公開的一些實施例的識別圖像中的字符的方法的流程圖；

圖6示出了根據本公開的實施例的用于識別圖像中的字符的裝置的示意框圖；以及

圖7示出了能夠實施本公開的多個實施例的計算設備的框圖。

具體實施方式