[發(fā)明專利]文本識(shí)別方法、裝置、存儲(chǔ)介質(zhì)、計(jì)算機(jī)設(shè)備

在審

• 申請?zhí)枺?/td>: 202011434696.0
• 申請日: 2020-12-10
• 公開（公告）號: CN112508102A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計(jì)）人: 興百橋;劉濤;黃家冕;李保俊;曾鵬
• 申請（專利權(quán)）人: 廣州華多網(wǎng)絡(luò)科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F40/126;G06N3/04
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 郭帥

本發(fā)明提供的一種文本識(shí)別方法、裝置、存儲(chǔ)介質(zhì)、計(jì)算機(jī)設(shè)備，在將待識(shí)別圖像輸入至識(shí)別模型中得到多個(gè)原始字符序列后，利用原始字符序列中識(shí)別概率第二的字符替換識(shí)別概率第一的字符，從而得到多個(gè)中間字符序列，若識(shí)別概率最大的原始字符序列為正確的，則中間字符序列中可能存在多種錯(cuò)誤類型的序列；若識(shí)別概率最大的原始字符序列是錯(cuò)誤的，則可以通過中間字符序列進(jìn)行修正，然后將待修正的字符序列、中間字符序列以及識(shí)別概率最大的原始字符序列作為最終的識(shí)別結(jié)果序列，這樣得到的識(shí)別結(jié)果序列中既包含了正確的序列，又包含了錯(cuò)誤的序列，無論后續(xù)采取怎樣的判題策略，都能夠準(zhǔn)確進(jìn)行判題，且該識(shí)別過程較為簡便，極大地提高了工作效率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種文本識(shí)別方法、裝置、存儲(chǔ)介質(zhì)、計(jì)算機(jī)設(shè)備。

背景技術(shù)

近幾年隨著AI技術(shù)的迅速發(fā)展，其在機(jī)器視覺、自然語言處理、音頻處理等領(lǐng)域均取得了較大的成就。例如，在教育場景中，作業(yè)批改本身是一件繁瑣而又十分重要的事情，深度學(xué)習(xí)的進(jìn)步帶來了OCR技術(shù)的變革，使得自動(dòng)批改作業(yè)成為可能，從而解決了作業(yè)批改費(fèi)時(shí)費(fèi)力的問題，大大提高了作業(yè)批改的效率，將老師和家長從繁重的作業(yè)批改任務(wù)中解放出來。但是，由于學(xué)生筆跡的不同、拍照光線的影響、拍照設(shè)備的不同、題目種類繁多等原因，給文字識(shí)別帶來種種困難，而作業(yè)批改是一種對識(shí)別精度要求很高的任務(wù)，因此文字識(shí)別的精度直接影響判題的準(zhǔn)確性。

現(xiàn)有技術(shù)中通過收集大量的樣本來提升文字識(shí)別準(zhǔn)確度，但是在作業(yè)批改這種復(fù)雜場景下純粹依賴收集樣本依然無法解決判題準(zhǔn)確度的問題，而且樣本的收集與標(biāo)注比較耗費(fèi)人力及成本。因此，在作業(yè)批改場景中通常借助OCR來識(shí)別多個(gè)結(jié)果，然后添加一些判題策略來提升判題的精度，例如，在作業(yè)批改場景中使用beam search(束搜索)對作業(yè)進(jìn)行識(shí)別并輸出，然后利用判題策略進(jìn)行判題。但是，由于實(shí)際操作過程中算法存在一定的漏洞，beam search輸出的前五結(jié)果中可能會(huì)存在錯(cuò)誤類型比較單一的情況，比如候選結(jié)果中都是誤識(shí)別或都是漏識(shí)別或都是多識(shí)別的情況，給后續(xù)的判題策略帶來較大的挑戰(zhàn)，影響判題準(zhǔn)確度，另外beam search的工作效率也比較低。

發(fā)明內(nèi)容

本發(fā)明的目的旨在至少能解決上述的技術(shù)缺陷之一，特別是現(xiàn)有技術(shù)中beamsearch的輸出結(jié)果中可能會(huì)存在錯(cuò)誤類型比較單一的情況，給后續(xù)的判題策略帶來較大的挑戰(zhàn)，影響判題準(zhǔn)確度，以及beam search的工作效率較低的技術(shù)缺陷。

本發(fā)明提供了一種文本識(shí)別方法，所述方法包括：

將獲取到的待識(shí)別圖像輸入到預(yù)先訓(xùn)練好的識(shí)別模型中，得到所述識(shí)別模型輸出的多個(gè)原始字符序列，所述原始字符序列為依據(jù)所述待識(shí)別圖像的每個(gè)字符在當(dāng)前位置的識(shí)別概率進(jìn)行排序后得到的不同位置處的字符集合；

將識(shí)別概率最大的原始字符序列中各個(gè)位置處的字符逐一替換為識(shí)別概率第二的原始字符序列中相同位置處的字符，直到所有位置處的字符均替換完畢，得到與所述原始字符序列長度對應(yīng)的多個(gè)中間字符序列；

根據(jù)所述中間字符序列和所述識(shí)別概率最大的原始字符序列確定是否需要采取修正策略，若需要，則在所述中間字符序列中查找待修正的字符序列，并將所述待修正的字符序列、所述中間字符序列、所述識(shí)別概率最大的原始字符序列作為最終的識(shí)別結(jié)果序列。

可選地，所述將識(shí)別概率最大的原始字符序列中各個(gè)位置處的字符逐一替換為識(shí)別概率第二的原始字符序列中相同位置處的字符的步驟之前，還包括：

獲取未合并的識(shí)別概率最大的原始字符序列；

對所述識(shí)別概率最大的原始字符序列中的各個(gè)字符按照識(shí)別概率進(jìn)行升序排序，得到升序后的原始字符序列。

可選地，將識(shí)別概率最大的原始字符序列中各個(gè)位置處的字符逐一替換為識(shí)別概率第二的原始字符序列中相同位置處的字符，直到所有位置處的字符均替換完畢，得到與所述原始字符序列長度對應(yīng)的多個(gè)中間字符序列的步驟，包括：