[發(fā)明專利]文本識別方法、裝置、計算機設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011487467.5
• 申請日: 2020-12-16
• 公開（公告）號: CN112580495A
• 公開（公告）日: 2021-03-30
• 發(fā)明（設(shè)計）人: 馮曉銳
• 申請（專利權(quán)）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 羅婷婷

1.一種文本識別方法，其特征在于，所述方法包括：

獲取待識別圖片；

將所述待識別圖片輸入至預(yù)設(shè)的文本識別模型中進行文本識別，確定所述待識別圖片上的文本內(nèi)容；

其中，所述預(yù)設(shè)的文本識別模型是基于訓(xùn)練圖片集訓(xùn)練得到的，所述訓(xùn)練圖片集包括多個訓(xùn)練圖片和每個訓(xùn)練圖片對應(yīng)的標注文本內(nèi)容，所述多個訓(xùn)練圖片包括噪聲訓(xùn)練圖片和非噪聲訓(xùn)練圖片。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述文本識別模型的訓(xùn)練方式包括：

將所述訓(xùn)練圖片集作為初始文本識別模型的輸入，將各所述訓(xùn)練圖片對應(yīng)的標注文本內(nèi)容作為所述初始文本識別模型的參考輸出，對所述初始文本識別模型進行預(yù)設(shè)次數(shù)的訓(xùn)練，得到中間文本識別模型；

根據(jù)各所述訓(xùn)練圖片的圖片質(zhì)量類別，檢測各所述訓(xùn)練圖片是否為噪聲訓(xùn)練圖片；

若所述訓(xùn)練圖片為噪聲訓(xùn)練圖片，則采用其他所述非噪聲訓(xùn)練圖片對所述中間文本識別模型繼續(xù)進行訓(xùn)練，得到所述文本識別模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述訓(xùn)練圖片集作為初始文本識別模型的輸入，將各所述訓(xùn)練圖片對應(yīng)的標注文本內(nèi)容作為所述初始文本識別模型的參考輸出，對所述初始文本識別模型進行預(yù)設(shè)次數(shù)的訓(xùn)練，得到中間文本識別模型，包括：

將所述訓(xùn)練圖片集中的各訓(xùn)練圖片輸入至所述初始文本識別模型，得到各所述訓(xùn)練圖片對應(yīng)的預(yù)測文本內(nèi)容；

根據(jù)所述訓(xùn)練圖片的預(yù)測文本內(nèi)容和對應(yīng)的標注文本內(nèi)容，對所述訓(xùn)練圖片的標注文本內(nèi)容進行修改，得到所述訓(xùn)練圖片對應(yīng)的新標注文本內(nèi)容；

根據(jù)所述訓(xùn)練圖片對應(yīng)的新標注文本內(nèi)容對所述初始文本識別模型進行預(yù)設(shè)次數(shù)的訓(xùn)練，得到中間文本識別模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述訓(xùn)練圖片的預(yù)測文本內(nèi)容和對應(yīng)的標注文本內(nèi)容，對所述訓(xùn)練圖片的標注文本內(nèi)容進行修改，得到所述訓(xùn)練圖片對應(yīng)的新標注文本內(nèi)容，包括：

計算所述訓(xùn)練圖片的預(yù)測文本內(nèi)容和對應(yīng)的標注文本內(nèi)容之間的第一損失；

根據(jù)所述第一損失對所述訓(xùn)練圖片的標注文本內(nèi)容進行修改，得到所述訓(xùn)練圖片對應(yīng)的新標注文本內(nèi)容。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第一損失對所述訓(xùn)練圖片的標注文本內(nèi)容進行修改，得到所述訓(xùn)練圖片對應(yīng)的新標注文本內(nèi)容，包括：

將所述第一損失和預(yù)設(shè)的第一損失閾值進行對比；

若所述第一損失小于所述第一損失閾值，則對所述訓(xùn)練圖片的標注文本內(nèi)容進行修改，得到所述訓(xùn)練圖片對應(yīng)的新標注文本內(nèi)容。

6.根據(jù)權(quán)利要求4或5所述的方法，其特征在于，所述根據(jù)所述訓(xùn)練圖片對應(yīng)的新標注文本內(nèi)容對所述初始文本識別模型進行預(yù)設(shè)次數(shù)的訓(xùn)練，得到中間文本識別模型，包括：

計算所述訓(xùn)練圖片對應(yīng)的新標注文本內(nèi)容和所述訓(xùn)練圖片對應(yīng)的預(yù)測文本內(nèi)容之間的第二損失；

根據(jù)所述第一損失和所述第二損失對所述初始文本識別模型進行預(yù)設(shè)次數(shù)的訓(xùn)練，得到所述中間文本識別模型。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)各所述訓(xùn)練圖片的圖片質(zhì)量類別，檢測各所述訓(xùn)練圖片是否為噪聲訓(xùn)練圖片，包括：

將各所述訓(xùn)練圖片輸入至預(yù)設(shè)的分類器中進行分類，得到所述訓(xùn)練圖片對應(yīng)的圖片質(zhì)量類別；其中，所述預(yù)設(shè)的分類器是基于第一訓(xùn)練圖片集訓(xùn)練得到的，所述第一訓(xùn)練圖片集包括第一訓(xùn)練圖片和所述第一訓(xùn)練圖片對應(yīng)的標注圖片質(zhì)量類別；

若所述訓(xùn)練圖片對應(yīng)的圖片質(zhì)量類別為第一類別，且所述訓(xùn)練圖片對應(yīng)的第一損失不小于所述第一損失閾值，則確定所述訓(xùn)練圖片為噪聲訓(xùn)練圖片。

8.一種文本識別裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待識別圖片；

識別模塊，用于將所述待識別圖片輸入至預(yù)設(shè)的文本識別模型中進行文本識別，確定所述待識別圖片上的文本內(nèi)容；其中，所述預(yù)設(shè)的文本識別模型是基于訓(xùn)練圖片集訓(xùn)練得到的，所述訓(xùn)練圖片集包括多個訓(xùn)練圖片和每個訓(xùn)練圖片對應(yīng)的標注文本內(nèi)容，所述多個訓(xùn)練圖片包括噪聲訓(xùn)練圖片和非噪聲訓(xùn)練圖片。