[發明專利]字符注冊方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010768615.4
• 申請日: 2020-08-03
• 公開（公告）號: CN111860696A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 徐博
• 申請（專利權）人: 上海高德威智能交通系統有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;馬敬

本申請實施例提供了字符注冊方法、裝置、電子設備及存儲介質，采用特征比對的方式，選取與目標字符深度學習特征特征差異最小的樣本字符深度學習特征所對應的字符，得到特征比對字符識別結果，不用基于分類器的分類，因此在注冊新字符時，僅需要提取新字符的深度學習特征，并保存為相應字符的樣本字符深度學習特征即可，不用重新進行訓練，能夠降低新增字符時用戶的訓練成本。受應用場景的影響小，可以直接利用在線開放平臺中的深度學習網絡進行字符識別，用戶不用上傳其應用場景的字符圖像對深度學習網絡進行再次訓練，能夠降低用戶的訓練成本。尤其適合開放平臺線上中文字符識別場景，可基于特定場景快速定制，省去用戶的訓練工作。

技術領域

本申請涉及圖像識別技術領域，特別是涉及字符注冊方法、裝置、電子設備及存儲介質。

背景技術

隨著計算機技術的發展，尤其是深度學習網絡的出現，使得計算機視覺技術迅猛發展，基于計算機視覺技術的字符識別的應用也越來越廣泛。實際應用中，針對個人或小企業等訓練樣本少、深度學習網絡訓練技能差的用戶，會提供深度學習網絡的在線開放平臺，以減少這些用戶的訓練投入。

相關字符識別技術中，深度學習網絡一般包括特征提取網絡及分類器兩部分，其中，特征提取網絡用于提取圖像的深度學習特征，分類器用于對深度學習特征進行分類，即確定深度學習特征所屬的字符類，從而確定圖像中的字符。相關字符識別技術中，需要將標記有真值字符的樣本圖像輸入到深度學習網絡中，深度學習網絡的分類器會輸出的預測字符，根據真值字符及預測字符計算深度學習網絡的損失，并基于損失調整深度學習網絡的參數繼續訓練，直至深度學習網絡的損失收斂，得到訓練好的深度學習網絡。

但是采用上述方法，深度學習網絡僅能識別訓練過的字符，當有新的字符出現時，需要用戶利用包含新字符的圖像對深度學習網絡再次進行訓練，然而對深度學習網絡再次進行訓練本身就會產生訓練成本，并且普通用戶一般不具備訓練深度學習網絡的專業知識，需要找專業的人員進行訓練，造成用戶訓練成本偏高。

發明內容

本申請實施例的目的在于提供一種字符注冊方法、裝置、電子設備及存儲介質，以實現減少新增字符時用戶的訓練成本。具體技術方案如下：

第一方面，本申請實施例提供了一種字符注冊方法，所述方法包括：

獲取待注冊字符圖像及所述待注冊字符圖像中包括的字符；

利用預先訓練的特征提取網絡，提取所述待注冊字符圖像中字符的深度學習特征，得到待注冊字符深度學習特征；

將所述待注冊字符深度學習特征添加為所述待注冊字符圖像中包括的字符的樣本字符深度學習特征；

其中，所述樣本字符深度學習特征用于與目標字符深度學習特征進行特征差異的計算，所述目標字符深度學習特征為所述特征提取網絡提取的待識別字符圖像的字符深度學習特征，且最小的特征差異的樣本字符深度學習特征所對應的字符為所述待識別字符圖像的特征比對字符識別結果。

在一種可能的實施方式中，所述方法還包括：

獲取待識別字符圖像；

利用所述特征提取網絡，提取所述待識別字符圖像的字符深度學習特征，得到目標字符深度學習特征；

計算所述目標字符深度學習特征與各樣本字符深度學習特征的特征差異，其中，所述樣本字符深度學習特征是根據所述特征提取網絡提取的樣本字符圖像的字符深度學習特征得到的；

選取與所述目標字符深度學習特征特征差異最小的樣本字符深度學習特征所對應的字符，得到所述目標字符深度學習特征的特征比對字符識別結果。

在一種可能的實施方式中，將所述待注冊字符深度學習特征添加為所述待注冊字符圖像中包括的字符的樣本字符深度學習特征