[發明專利]圖像字符識別方法、裝置、介質及電子設備

有效

• 申請號: 202110209444.6
• 申請日: 2021-02-24
• 公開（公告）號: CN112883966B
• 公開（公告）日: 2023-02-24
• 發明（設計）人: 盧永晨;王長虎;蔡悅;毛曉飛
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06V10/44;G06V10/764;G06V10/82;G06N3/0442;G06N3/0464;G06N3/08
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 曹寒梅

本公開涉及一種圖像字符識別方法、裝置、介質及電子設備，所述方法包括：接收待識別圖像，其中，所述待識別圖像中包含多個語種的字符；根據所述待識別圖像和字符識別模型，確定所述待識別圖像對應的字符識別結果和語種分類結果；其中，所述字符識別模型中包含字符識別子模型和語種分類子模型，所述語種分類子模型用于對所述多個語種的字符進行語種分類，所述字符識別子模型用于對所述多個語種的字符進行識別；所述字符識別模型是基于所述字符識別子模型和所述語種分類子模型進行并行聯合訓練得出的。由此，可以基于該字符識別模型對包含多語種的字符的待識別圖像進行準確地字符識別，提高字符識別結果的準確性，并且貼合多語種下的應用場景。

技術領域

本公開涉及計算機技術領域，具體地，涉及一種圖像字符識別方法、裝置、介質及電子設備。

背景技術

相關技術中，通常采用深度學習神經網絡基于大量的標注數據學習圖像與文本之間的映射關系，從而可以實現對圖像中的字符的識別。然而在多語言場景下，上述模型對圖像中字符的識別準確率不足，難以適應多語言場景下的字符識別。

發明內容

提供該部分內容以便以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。該部分內容并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

第一方面，本公開提供一種圖像字符識別方法，所述方法包括：

接收待識別圖像，其中，所述待識別圖像中包含多個語種的字符；

根據所述待識別圖像和字符識別模型，確定所述待識別圖像對應的字符識別結果和語種分類結果；

其中，所述字符識別模型中包含字符識別子模型和語種分類子模型，所述語種分類子模型用于對所述多個語種的字符進行語種分類，所述字符識別子模型用于對所述多個語種的字符進行識別；所述字符識別模型是基于所述字符識別子模型和所述語種分類子模型進行并行聯合訓練得出的。

第二方面，本公開提供一種圖像字符識別裝置，所述裝置包括：

接收模塊，用于接收待識別圖像，其中，所述待識別圖像中包含多個語種的字符；

確定模塊，用于根據所述待識別圖像和字符識別模型，確定所述待識別圖像對應的字符識別結果和語種分類結果；

其中，所述字符識別模型中包含字符識別子模型和語種分類子模型，所述語種分類子模型用于對所述多個語種的字符進行語種分類，所述字符識別子模型用于對所述多個語種的字符進行識別；所述字符識別模型是基于所述字符識別子模型和所述語種分類子模型進行并行聯合訓練得出的。

第三方面，提供一種計算機可讀介質，其上存儲有計算機程序，該程序被處理裝置執行時實現第一方面所述方法的步驟。

第四方面，提供一種電子設備，包括：

存儲裝置，其上存儲有一個或多個計算機程序；

一個或多個處理裝置，用于執行所述存儲裝置中的所述一個或多個計算機程序，以實現第一方面所述方法的步驟。

在上述技術方案中，在多語言場景下，可以通過包含字符識別子模型和語種分類子模型的字符識別模型同時確定出該待識別圖像中的字符識別結果和語種分類結果。因此，通過上述技術方案，可以基于該字符識別模型對包含多語種的字符的待識別圖像進行準確地字符識別，提高字符識別結果的準確性，并且在獲得字符識別結果的同時可以獲得對應的語種分類結果，從而可以為后續處理過程提供更加全面的數據支持，貼合多語種下的應用場景，提高該圖像字符識別方法的適用范圍。

本公開的其他特征和優點將在隨后的具體實施方式部分予以詳細說明。

附圖說明