[發明專利]文本識別方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202011390409.0
• 申請日: 2020-12-02
• 公開（公告）號: CN112560599A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 陳光
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 姜曉云

本申請涉及一種文本識別方法、裝置、計算機設備和存儲介質。所述方法包括：獲取待識別文本圖像；將待識別文本圖像輸入至預先訓練的機器學習模型中，以根據機器學習模型中預訓練的模型參數對待識別文本圖像進行識別得到文本識別內容，機器學習模型是根據多個訓練文本圖像訓練得到，每一個訓練文本圖像中的文本內容在同一個排列方向上分布且不同的訓練文本圖像中的文本內容包括在不同排列方向上分布。采用本方法能夠提高文本內容的識別效率。

技術領域

本申請涉及人工智能技術領域，特別是涉及一種文本識別方法、裝置、計算機設備和存儲介質。

背景技術

隨著計算機技術的發展，計算機的硬件性能越來越高，這使得近年來深度學習計算機視覺領域在硬件設備的支持下飛速發展。其中，深度學習技術在文本識別領域有著極大的技術突破和豐富的應用場景。

當前主要的文本識別已經從傳統的分割字符、特征提取、字符分類流程替代為深度學習的方法，研究人員通過CNN網絡和RNN網絡能夠有效的進行文本識別。

但目前的文本識別網絡不能很好的判斷出檢測到文本的排列方向，使得文本內容信息的識別效率低下。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高圖像文本內容識別效率的文本識別方法、裝置、計算機設備和存儲介質。

一種文本識別方法，方法包括：

獲取待識別文本圖像；

將待識別文本圖像輸入至預先訓練的機器學習模型中，以根據機器學習模型中預訓練的模型參數對待識別文本圖像進行識別得到文本識別內容，機器學習模型是根據多個訓練文本圖像訓練得到，每一個訓練文本圖像中的文本內容在同一個排列方向上分布且不同的訓練文本圖像中的文本內容包括在不同排列方向上分布。

在一個實施例中，根據機器學習模型中預訓練的模型參數對待識別文本圖像進行識別得到文本識別內容，包括：

根據機器學習模型中預訓練的模型參數對待識別文本圖像進行識別得到文本排列方向識別結果，以及多個文本內容識別結果；

從多個文本內容識別結果中提取與文本排列方向識別結果對應的文本內容識別結果，并將提取到的文本內容識別結果作為待識別文本圖像的文本識別內容。

在一個實施例中，機器學習模型包括文本排列方向識別模型以及文本內容識別模型；文本排列方向識別模型以及文本內同識別模型的訓練方式，包括：

獲取多個訓練文本圖像；

將訓練文本圖像分別輸入至初始文本排列方向識別模型中，以根據初始文本排列方向識別模型中的初始排列方向識別參數對訓練文本圖像中的文本內容的文本排列方向進行識別，得到文本排列方向初始識別結果；

根據文本排列方向初始識別結果確定與訓練文本圖像對應的初始文本內容識別模型，并利用確定的初始文本內容識別模型對應的初始內容識別參數對訓練文本圖像的文本內容進行識別得到文本內容初始識別結果；

根據文本排列方向初始識別結果、文本內容初始識別結果以及真實標簽確定目標損失函數；

根據目標損失函數對初始排列方向識別參數以及初始內容識別參數進行調整，直至滿足訓練結束條件時，獲取當前排列方向識別參數以及當前內容識別參數，并根據當前排列方向識別參數得到文本排列方向識別模型以及根據當前內容識別參數得到文本內容識別模型。

在一個實施例中，將訓練文本圖像分別輸入至初始文本排列方向識別模型中，包括：

提取訓練文本圖像的圖像特征，得到訓練文本圖像特征；

將訓練文本圖像特征分別輸入至初始文本排列方向識別模型中。