[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

本公開涉及一種模型訓練、文本識別方法、裝置、設備和介質；其中，該方法包括：獲取訓練樣本，訓練樣本包括文本圖像；構建初始分類模型，并根據初始分類模型的輸出結果確定出訓練樣本中每個字符對應的多維二值向量；其中，多維二值向量為包括至少兩個概率值的二值向量，概率值用于指示訓練樣本中字符的類別概率；利用初始識別模型，根據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，根據預測文本對初始分類模型和初始識別模型進行訓練，獲得訓練后的文本識別模型。本公開實施例能夠有效提高文本識別的準確性。

技術領域

本公開涉及人工智能技術領域，尤其涉及一種模型訓練、文本識別方法、裝置、設備和介質。

背景技術

自然場景文字識別是從帶文字的圖片中識別出字符序列的過程（對于中文，一個字符便是一個漢字，對于英文，一個字符便是一個字母）；識別過程中，除了圖片背景復雜以及光照變化等因素外，識別輸出空間的復雜性也是一大困難，由于文字由數量是由不固定的字母組成，因此，自然場景文字識別需要從圖片中識別長度不固定的序列。

目前文字識別的主要方法是通過整體分析策略實現，即先將待識別文本圖像編碼，再進行序列解碼直接得出整個字符串；但在具體應用過程中，其會出現識別結果多識別或漏識別字符的問題，導致文本識別準確度較低。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本公開提供了一種模型訓練、文本識別方法、裝置、設備和介質。

第一方面，本公開提供了一種文本識別模型訓練方法，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；

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。

第二方面，本公開提供了一種文本識別方法，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第一方面所述的文本識別模型訓練方法訓練得到。

第三方面，本公開提供了一種文本識別模型訓練裝置，包括：

訓練樣本獲取模塊，用于獲取訓練樣本，所述訓練樣本包括文本圖像；

向量確定模塊，用于構建初始分類模型，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；

預測文本確定模塊，用于利用初始識別模型，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；

模型訓練模塊，用于基于預設損失函數，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。

第四方面，本公開提供了一種文本識別裝置，包括：

圖像獲取模塊，用于獲取待識別的文本圖像；

信息確定模塊，用于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；