[發明專利]文本圖像識別方法、系統、設備及存儲介質

在審

• 申請號: 202110102941.6
• 申請日: 2021-01-26
• 公開（公告）號: CN112883818A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 章嶸;龔霽程;趙釗
• 申請（專利權）人: 上海西井信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06N3/04;G06N3/08
• 代理公司: 上海隆天律師事務所 31282
• 代理人: 夏彬

本發明提供了一種文本圖像識別方法、系統、設備及存儲介質，該方法包括：將待識別圖像輸入特征提取網絡，得到特征圖；將所述特征圖輸入文本框預測網絡，得到預測的文本框區域；從所述待識別圖像中提取對應于所述文本框區域的文字圖像；將所述文字圖像輸入文字預測網絡，得到預測的文字內容。本發明首先通過特征提取網絡對待識別圖像進行特征圖，然后通過文本框預測網絡確定文字圖像的提取位置，通過文字預測網絡預測得到識別結果，可以實現對待識別圖像端到端的檢測，并且在提高文字識別準確率的同時提高了文字識別效率。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種文本圖像識別方法、系統、設備及存儲介質。

背景技術

文本圖像指的是內容包括文字的圖像。隨著神經網絡技術的發展，采用神經網絡對文本圖像的文字進行識別已經應用十分普遍。然而，現有技術中的文本圖像識別的準確度仍然不高，無法滿足高精度識別的需求。

發明內容

針對現有技術中的問題，本發明的目的在于提供一種文本圖像識別方法、系統、設備及存儲介質，提高文本圖像識別的準確率。

本發明實施例提供一種文本圖像識別方法，包括如下步驟：

將待識別圖像輸入特征提取網絡，得到特征圖；

將所述特征圖輸入文本框預測網絡，得到預測的文本框區域；

從所述待識別圖像中提取對應于所述文本框區域的文字圖像；

將所述文字圖像輸入文字預測網絡，得到預測的文字內容。

在一些實施例中，所述特征提取網絡為包括多個瓶頸模塊的卷積神經網絡，各個所述瓶頸模塊包括至少一個卷積模塊和一跳轉鏈接層，所述跳轉鏈接層用于將所述瓶頸模塊的輸入疊加到所述瓶頸模塊的輸出。

在一些實施例中，各個所述卷積模塊包括歸一化層、激活層和卷積層。

在一些實施例中，將所述特征圖輸入文本框預測網絡，得到預測的文本框區域，包括如下步驟：

將所述特征圖輸入一卷積層，得到所述特征圖的特征張量；

將所述特征張量輸入文本框預測網絡，得到預測的文本框區域。

在一些實施例中，所述文本框預測網絡為第一雙向循環神經網絡，將所述特征圖輸入文本框預測網絡，得到預測的文本框區域，包括如下步驟：

采用滑動卷積窗口對所述特征圖進行計算，得到長度為W的序列特征，W為所述特征圖的寬度；

將所述序列特征輸入全連接層，得到預測框的位置和含有文字的概率值；

根據所述含有文字的概率值從所述預測框中選擇文本候選框；

基于所述文本候選框的位置確定文本框區域。

在一些實施例中，所述采用滑動卷積窗口對所述特征圖進行計算時，每個點設置多個高度不同的錨點框，且采用所述滑動卷積窗口稠密地自左向右計算。

在一些實施例中，基于所述文本候選框的位置確定文本框區域，包括如下步驟：

將垂直方向重合度大于重合度閾值且距離小于距離閾值的文本候選框連接成一個完整的檢測框；

根據所述檢測框的位置所對應的區域確定文本框區域。

在一些實施例中，將所述序列特征輸入全連接層之后，所述全連接層還輸出x軸偏移量，所述x軸偏移量為所述文本框區域的邊界相對于錨點框邊界的偏移量；