[發(fā)明專利]一種文本識別網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)訓練的方法以及相關(guān)設(shè)備

在審

• 申請?zhí)枺?/td>: 202010723541.2
• 申請日: 2020-07-24
• 公開（公告）號: CN112016543A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計）人: 劉志廣;王靚偉
• 申請（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 李杭

本申請涉及人工智能領(lǐng)域中的文本識別技術(shù)，公開了一種文本識別網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)訓練的方法以及相關(guān)設(shè)備，文本識別網(wǎng)絡(luò)為用于識別圖像中字符的神經(jīng)網(wǎng)絡(luò)，文本識別網(wǎng)絡(luò)包括圖像特征提取模塊，用于獲取待識別圖像，并對待識別圖像進行特征提取，以生成與待識別圖像中的第一字符對應(yīng)的第一特征；文本特征獲取模塊，用于獲取與待識別圖像中的第一字符對應(yīng)的預(yù)設(shè)字符，并根據(jù)預(yù)設(shè)字符進行文本預(yù)測，以生成第一預(yù)測字符的語義特征；識別模塊，用于根據(jù)第一特征和第一預(yù)測字符的語義特征執(zhí)行識別操作，以生成與待識別圖像對應(yīng)的識別結(jié)果，根據(jù)更多維度的特征執(zhí)行識別操作；且圖像質(zhì)量問題不會影響預(yù)測字符的準確度，有利于提高文本識別結(jié)果的準確度。

技術(shù)領(lǐng)域

本申請涉及人工智能領(lǐng)域，尤其涉及一種文本識別網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)訓練的方法以及相關(guān)設(shè)備。

背景技術(shù)

人工智能(Artificial Intelligence，AI)是利用數(shù)字計算機或者數(shù)字計算機控制的機器模擬、延伸和擴展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。換句話說，人工智能是計算機科學的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式作出反應(yīng)的智能機器。人工智能也就是研究各種智能機器的設(shè)計原理與實現(xiàn)方法，使機器具有感知、推理與決策的功能。目前，基于深度學習(deep learning)的神經(jīng)網(wǎng)絡(luò)識別圖像中的字符是人工智能常見的一個應(yīng)用方式。

但是，在實際情況中，當待識別圖像的質(zhì)量較低，例如待識別圖像模糊或待識別圖像中部分字符被遮擋等情況時，都可能會導(dǎo)致神經(jīng)網(wǎng)絡(luò)輸出錯誤的識別結(jié)果，從而降低文本識別結(jié)果的準確率。因此，一種提高文本識別結(jié)果準確率的方案亟待推出。

發(fā)明內(nèi)容

本申請實施例提供了一種文本識別網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)訓練的方法以及相關(guān)設(shè)備，根據(jù)預(yù)測字符的語義特征和待識別圖像的圖像特征一起生成識別結(jié)果，根據(jù)更多維度的特征執(zhí)行識別操作；且由于圖像模糊或待識別圖像中部分字符被遮擋等圖像發(fā)生問題，并不會影響預(yù)測字符的準確度，有利于提高文本識別結(jié)果的準確度。

為解決上述技術(shù)問題，本申請實施例提供以下技術(shù)方案：

第一方面，本申請實施例提供一種文本識別網(wǎng)絡(luò)，可用于人工智能領(lǐng)域的文本識別領(lǐng)域中。文本識別網(wǎng)絡(luò)為用于識別圖像中字符的神經(jīng)網(wǎng)絡(luò)，文本識別網(wǎng)絡(luò)包括圖像特征提取模塊、文本特征獲取模塊和識別模塊。圖像特征提取模塊，用于獲取待識別圖像，并對待識別圖像進行特征提取，以生成與待識別圖像中的第一字符對應(yīng)的第一特征。其中，第一字符為待識別圖像中需要進行識別的字符，文本識別網(wǎng)絡(luò)中的圖像特征提取模塊具體可以表現(xiàn)為卷積神經(jīng)網(wǎng)絡(luò)、方向梯度直方圖或局部二值模式，該待識別圖像可以為一整個圖像，也可以為執(zhí)行過圖像分割操作后包括一行字符或者包括一列字符的分割后圖像。文本特征獲取模塊，用于獲取與待識別圖像中的第一字符對應(yīng)的預(yù)設(shè)字符，并根據(jù)預(yù)設(shè)字符進行文本預(yù)測，以生成第一預(yù)測字符的語義特征。預(yù)設(shè)字符可以為起始標志字符，在計算機程序中可以表現(xiàn)為BOS字符，用于指示文本特征獲取模塊開始進行文本預(yù)測。識別模塊，用于將第一特征和第一預(yù)測字符的語義特征進行組合，并根據(jù)組合后的特征執(zhí)行識別操作，以生成與待識別圖像中的第一字符對應(yīng)的識別結(jié)果。其中，識別模塊具體可以為分類網(wǎng)絡(luò)，分類網(wǎng)絡(luò)具體可以表現(xiàn)為分類器，分類器可以選擇多層感知機，或者，由一個線性變換矩陣和分類函數(shù)組成。

本實現(xiàn)方式中，不僅獲取待識別圖像的圖像特征，還根據(jù)與第一字符中的已識別字符對應(yīng)的第二字符，生成預(yù)測字符的語義特征，根據(jù)更多維度的特征執(zhí)行識別操作，有利于提高文本識別結(jié)果的準確度；且由于當出現(xiàn)待識別圖像模糊或待識別圖像中部分字符被遮擋等因素時，第一特征中包括的模糊字符或被遮擋字符的特征的準確度會大大降低，基于已識別字符的語義信息，生成預(yù)測字符的語義特征，由于圖像模糊或待識別圖像中部分字符被遮擋等圖像發(fā)生問題，并不會影響預(yù)測字符的準確度，根據(jù)預(yù)測字符的語義特征和圖像特征一起生成識別結(jié)果，有利于提高文本識別結(jié)果的準確度。