[發(fā)明專(zhuān)利]模型訓(xùn)練、文本識(shí)別方法及裝置、電子設(shè)備、存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011120169.2
• 申請(qǐng)日: 2020-10-19
• 公開(kāi)（公告）號(hào): CN112016315B
• 公開(kāi)（公告）日: 2021-02-02
• 發(fā)明（設(shè)計(jì)）人: 李盼盼;秦勇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京易真學(xué)思教育科技有限公司
• 主分類(lèi)號(hào): G06F40/279
• 分類(lèi)號(hào): G06F40/279;G06K9/32;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京合智同創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11545
• 代理人: 李杰;蘭淑鐸

本申請(qǐng)實(shí)施例提供一種模型訓(xùn)練方法及裝置、文本識(shí)別方法及裝置、電子設(shè)備、存儲(chǔ)介質(zhì)，應(yīng)用于人工智能技術(shù)領(lǐng)域，模型訓(xùn)練方法包括：獲取多個(gè)包含彎曲文本的第一樣本圖像及第一樣本圖像中的彎曲文本的文本信息；分別將第一樣本圖像輸入圖像矯正模型及文本識(shí)別模型，通過(guò)圖像矯正模型對(duì)第一樣本圖像進(jìn)行特征提取，獲得第一圖像特征；通過(guò)文本識(shí)別模型對(duì)第一樣本圖像進(jìn)行特征提取，獲得第二圖像特征；使用預(yù)設(shè)的特征損失函數(shù)，根據(jù)第一圖像特征和第二圖像特征，確定特征損失值；在通過(guò)第一樣本圖像及第一樣本圖像中的文本信息對(duì)預(yù)先訓(xùn)練完成的文本識(shí)別模型進(jìn)行訓(xùn)練時(shí)，基于特征損失值對(duì)文本識(shí)別模型進(jìn)行更新。本申請(qǐng)可以提高文本識(shí)別的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)實(shí)施例涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種模型訓(xùn)練、文本識(shí)別方法及裝置、電子設(shè)備、存儲(chǔ)介質(zhì)。

背景技術(shù)

自然場(chǎng)景文字識(shí)別是從包含文字的圖像中識(shí)別出字符序列的過(guò)程，對(duì)于中文，一個(gè)漢字為一個(gè)字符；對(duì)于英文，一個(gè)字母為一個(gè)字符。在自然場(chǎng)景文字識(shí)別中，由于圖像背景復(fù)雜、分辨率低下、字體多樣、分布隨意等，并且，文字由數(shù)量不固定的字符組成，需要從圖像中識(shí)別長(zhǎng)度不固定的序列，因此，自然場(chǎng)景文字識(shí)別是一個(gè)具有挑戰(zhàn)性的任務(wù)。

相關(guān)技術(shù)中，可以通過(guò)CRNN(Convolutional Recurrent Neural Networks，卷積循環(huán)神經(jīng)網(wǎng)絡(luò))識(shí)別圖像中的文本信息。由于比CRNN速度快的算法，精度比CRNN低，比CRNN精度高的算法，速度比CRNN低，因此，CRNN是一個(gè)性?xún)r(jià)比很高的算法。但是，針對(duì)包含彎曲文本的圖像，文本識(shí)別的準(zhǔn)確性較低。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)實(shí)施例提供了一種文本識(shí)別模型訓(xùn)練方法、文本識(shí)別方法、文本識(shí)別模型訓(xùn)練裝置、文本識(shí)別裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，用以克服現(xiàn)有技術(shù)中在對(duì)包含彎曲文本的圖像進(jìn)行文本識(shí)別時(shí)，準(zhǔn)確性較低的缺陷。

根據(jù)本申請(qǐng)實(shí)施例的第一方面，提供了一種文本識(shí)別模型訓(xùn)練方法，包括：

獲取多個(gè)包含彎曲文本的第一樣本圖像及所述第一樣本圖像中的彎曲文本的文本信息；

分別將所述第一樣本圖像輸入預(yù)先訓(xùn)練完成的圖像矯正模型及文本識(shí)別模型，其中，所述圖像矯正模型用于將包含彎曲文本的圖像矯正為包含非彎曲文本的圖像，所述文本識(shí)別模型用于識(shí)別圖像中的文本信息；

通過(guò)所述圖像矯正模型對(duì)所述第一樣本圖像進(jìn)行特征提取，獲得第一圖像特征；并且，通過(guò)所述文本識(shí)別模型對(duì)所述第一樣本圖像進(jìn)行特征提取，獲得第二圖像特征；

使用預(yù)設(shè)的特征損失函數(shù)，根據(jù)所述第一圖像特征和所述第二圖像特征，確定特征損失值；

在通過(guò)所述第一樣本圖像及所述第一樣本圖像中的文本信息對(duì)預(yù)先訓(xùn)練完成的所述文本識(shí)別模型進(jìn)行訓(xùn)練時(shí)，基于所述特征損失值對(duì)所述文本識(shí)別模型進(jìn)行更新。

根據(jù)本申請(qǐng)實(shí)施例的第二方面，提供了一種文本識(shí)別方法，包括：

獲取待識(shí)別的文本圖像；其中，所述文本圖像包括：包含彎曲文本的圖像；

通過(guò)文本識(shí)別模型對(duì)所述文本圖像進(jìn)行文本識(shí)別，得到文本信息；

其中，所述文本識(shí)別模型基于如第一方面所述的文本識(shí)別模型訓(xùn)練方法訓(xùn)練得到。

根據(jù)本申請(qǐng)實(shí)施例的第三方面，提供了一種文本識(shí)別模型訓(xùn)練裝置，包括：

第一獲取模塊，用于獲取多個(gè)包含彎曲文本的第一樣本圖像及所述第一樣本圖像中的彎曲文本的文本信息；

圖像輸入模塊，用于分別將所述第一樣本圖像輸入預(yù)先訓(xùn)練完成的圖像矯正模型及文本識(shí)別模型，其中，所述圖像矯正模型用于將包含彎曲文本的圖像矯正為包含非彎曲文本的圖像，所述文本識(shí)別模型用于識(shí)別圖像中的文本信息；