[發明專利]模型訓練、文本識別方法、裝置、設備和介質

有效

• 申請號: 202110754723.0
• 申請日: 2021-07-05
• 公開（公告）號: CN113254654B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 王翔;秦勇
• 申請（專利權）人: 北京世紀好未來教育科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/20;G06K9/62
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 祝樂芳

1.一種文本識別模型訓練方法，其特征在于，所述方法包括：

獲取訓練樣本，所述訓練樣本包括文本圖像；

構建初始分類模型，并根據所述初始分類模型的輸出結果確定出所述訓練樣本中每個字符對應的多維二值向量；其中，所述多維二值向量為包括至少兩個概率值的二值向量，所述概率值用于指示所述訓練樣本中字符的類別概率；根據所述初始分類模型的輸出結果確定出所述訓練樣本中每個字符對應的多維二值向量，包括：針對訓練樣本中的每個目標字符對應的字符圖像，獲取包含目標字符的部分圖像信息的第一圖像，利用所述初始分類模型根據所述第一圖像確定所述目標字符對應的類別概率；重復執行利用滑動窗方式調整所述第一圖像中的圖像信息，并利用所述初始分類模型根據所述第一圖像確定目標字符對應的類別概率的步驟，得到所述目標字符對應的至少兩個類別概率；

根據預設概率閾值對所述目標字符對應的至少兩個類別概率進行二值化處理，得到所述目標字符對應的多維二值向量；

利用初始識別模型，根據所述訓練樣本中每個字符的多維二值向量，獲得預測文本；

基于預設損失函數，根據所述預測文本對所述初始分類模型和所述初始識別模型進行訓練，獲得訓練后的文本識別模型。

2.根據權利要求1所述的方法，其特征在于，所述利用滑動窗方式調整所述第一圖像中的圖像信息，包括：

基于預設方向，采用滑動窗口遮掩所述目標字符對應的字符圖像中的局部圖像信息，得到所述第一圖像。

3.根據權利要求1所述的方法，其特征在于，所述利用所述初始分類模型根據所述第一圖像確定目標字符對應的類別概率，包括：

將所述第一圖像分別輸入所述初始分類模型的至少兩個串聯的卷積層中，并將所述至少兩個串聯的卷積層的輸出結果進行疊加，得到所述訓練樣本中目標字符的特征映射；

對所述訓練樣本中目標字符的特征映射進行卷積操作，得到所述訓練樣本中目標字符對應的類別概率。

4.根據權利要求1所述的方法，其特征在于，所述訓練樣本包括所述文本圖像的轉錄內容，所述方法還包括：

響應所述轉錄內容的字符串長度小于預設的第一長度值，將預設的占位符號添加至所述轉錄內容的末尾位置，得到標準長度的轉錄內容。

5.根據權利要求1所述的方法，其特征在于，所述基于預設損失函數，根據所述預測文本對所述初始分類模型和所述初始識別模型進行訓練，包括：

基于預設損失函數，根據所述預測文本和所述訓練樣本的字符標簽，確定損失值；

根據所述損失值調整模型參數直至模型收斂。

6.一種文本識別方法，其特征在于，所述方法包括：

獲取待識別的文本圖像；

將所述待識別的文本圖像輸入文本識別模型中，并根據所述文本識別模型的輸出結果確定所述待識別的文本圖像的文本信息；

其中，所述文本識別模型基于如權利要求1至5任一項所述的方法訓練得到。