[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: 202011487467.5
• 申請日: 2020-12-16
• 公開（公告）號: CN112580495A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 馮曉銳
• 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;G06K9/40;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: 羅婷婷

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：獲取待識別圖片；將所述待識別圖片輸入至預設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容；其中，所述預設的文本識別模型是基于訓練圖片集訓練得到的，所述訓練圖片集包括多個訓練圖片和每個訓練圖片對應的標注文本內容，所述多個訓練圖片包括噪聲訓練圖片和非噪聲訓練圖片。采用本方法能夠提升訓練的識別模型的性能。

技術領域

本申請涉及計算機技術領域，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

在日常工作學習過程中，為了識別圖片等上面的文字，通常會采用文本識別模型來進行識別，而文本識別模型通常是采用大量的訓練樣本進行訓練得到的。由于訓練樣本比較多，且一般大多是人工標注或從網上獲取得到的數據，因此在獲取訓練樣本的過程中往往會存在獲取到噪聲訓練樣本。

相關技術中，在訓練文本識別模型時，大多是通過將噪聲訓練樣本剔除等方式，采用無噪聲的訓練樣本對文本識別模型進行訓練，得到訓練好的文本識別模型。

然而上述技術存在訓練的文本識別模型的性能不好的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高訓練的文本識別模型的性能的文本識別方法、裝置、計算機設備和存儲介質。

一種文本識別方法，該方法包括：

獲取待識別圖片；

將上述待識別圖片輸入至預設的文本識別模型中進行文本識別，確定上述待識別圖片上的文本內容；

其中，上述預設的文本識別模型是基于訓練圖片集訓練得到的，上述訓練圖片集包括多個訓練圖片和每個訓練圖片對應的標注文本內容，上述多個訓練圖片包括噪聲訓練圖片和非噪聲訓練圖片。

在其中一個實施例中，上述文本識別模型的訓練方式包括：

將上述訓練圖片集作為初始文本識別模型的輸入，將各上述訓練圖片對應的標注文本內容作為上述初始文本識別模型的參考輸出，對上述初始文本識別模型進行預設次數的訓練，得到中間文本識別模型；

根據各上述訓練圖片的圖片質量類別，檢測各上述訓練圖片是否為噪聲訓練圖片；

若上述訓練圖片為噪聲訓練圖片，則采用其他上述非噪聲訓練圖片對上述中間文本識別模型繼續進行訓練，得到上述文本識別模型。

在其中一個實施例中，上述將上述訓練圖片集作為初始文本識別模型的輸入，將各上述訓練圖片對應的標注文本內容作為上述初始文本識別模型的參考輸出，對上述初始文本識別模型進行預設次數的訓練，得到中間文本識別模型，包括：

將上述訓練圖片集中的各訓練圖片輸入至上述初始文本識別模型，得到各上述訓練圖片對應的預測文本內容；

根據上述訓練圖片的預測文本內容和對應的標注文本內容，對上述訓練圖片的標注文本內容進行修改，得到上述訓練圖片對應的新標注文本內容；

根據上述訓練圖片對應的新標注文本內容對上述初始文本識別模型進行預設次數的訓練，得到中間文本識別模型。

在其中一個實施例中，上述根據上述訓練圖片的預測文本內容和對應的標注文本內容，對上述訓練圖片的標注文本內容進行修改，得到上述訓練圖片對應的新標注文本內容，包括：

計算上述訓練圖片的預測文本內容和對應的標注文本內容之間的第一損失；

根據上述第一損失對上述訓練圖片的標注文本內容進行修改，得到上述訓練圖片對應的新標注文本內容。

在其中一個實施例中，上述根據上述第一損失對上述訓練圖片的標注文本內容進行修改，得到上述訓練圖片對應的新標注文本內容，包括：