[發明專利]基于圖像擴展的OCR模型訓練方法、系統及裝置在審

申請號：	202011302897.5	申請日：	2020-11-19
公開（公告）號：	CN112418297A	公開（公告）日：	2021-02-26
發明（設計）人：	馬明宇	申請（專利權）人：	北京云從科技有限公司
主分類號：	G06K9/62	分類號：	G06K9/62;G06K9/34;G06T5/00
代理公司：	北京瀚仁知識產權代理事務所(普通合伙) 11482	代理人：	宋寶庫;王天騏
地址：	102300 北京市門頭溝區石***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于圖像擴展 ocr 模型訓練方法系統裝置
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明屬于圖像處理技術領域，具體提供一種基于圖像擴展的OCR模型訓練方法、系統及裝置。本發明旨在解決現有OCR模型定制化圖像需求較大，圖像的數據訓練集的采樣數量龐大的問題。為此目的，本發明通過根據圖像樣本的類型設定圖像擴展所需的參數，再對每個真實圖像樣本的參數所對應的真實數據進行背景增強擴展和新字段生成擴展，以獲得擴展數據，基于擴展數據構建對應的擴展圖像樣本，將擴展圖像樣本輸入OCR模型進行模型訓練，從而實現僅需極少數的采樣圖像即可訓練好OCR識別模型進行字符識別。

技術領域

本發明涉及計算機視覺當中的圖像處理技術領域，尤其涉及一種基于圖像擴展的OCR模型訓練方法、系統及裝置。

背景技術

OCR(Optical Character Recognition,光學字符識別)作為計算機視覺中一個重要的應用領域，由于其有監督網絡的特性，需要大量的訓練數據支撐才能取得良好的模型及其識別效果。因此，在OCR領域中，包含各種場景的龐大數據訓練集對于得到一個良好的OCR模型至關重要。

但是同一版式所包含的場景復雜多樣，并且訓練數據由于保密性等各種原因，無法獲取足夠大量訓練數據，也即無法獲得很多采樣，甚至很多時候僅有幾張訓練數據供參考。由于定制化需求較大，圖像的數據訓練集的采樣數量龐大，每類版式單獨生成數據會導致產品開發周期大大延長，開發成本增加導致落地困難。因此，在OCR領域，迫切需求一種可以根據少量采樣的真實數據便能夠獲得合適的OCR數據訓練集的方法，來實現OCR模型的訓練。

發明內容

為了克服上述缺陷，提出了本發明，以解決或至少部分地解決如何基于少量采樣自動生成符合需求的大數量的OCR模型訓練使用的數據訓練集的技術問題，以快速獲取大量的仿真數據樣本并加快不同板式需求的開發效率。本發明提供了一種基于圖像擴展的OCR模型訓練方法、系統及裝置。

第一方面，提供一種基于圖像擴展的OCR模型訓練方法，包括：

根據圖像樣本的類型設定圖像擴展所需的參數；

對每個真實圖像樣本的參數所對應的真實數據進行背景增強擴展和新字段生成擴展，以獲得擴展數據；

基于所述擴展數據構建對應的擴展圖像樣本；

將所述擴展圖像樣本輸入所述OCR模型進行模型訓練。

在上述方法的優選技術方案中，所述方法還包括：在構建所述擴展圖像樣本之后，將所述擴展圖像樣本和所述真實圖像樣本進行合并，以生成仿真圖像訓練集；

將所述擴展圖像樣本輸入所述OCR模型進行模型訓練，具體包括：

將所述仿真圖像訓練集中的每個圖像樣本輸入所述OCR模型進行模型訓練。

將所述擴展圖像樣本輸入所述OCR模型進行模型訓練，具體包括：

將所述仿真圖像訓練集中的每個圖像樣本輸入所述OCR模型進行模型訓練。