[發明專利]基于Resnet的單行文本圖片比對方法及系統

有效

• 申請號: 202110787302.8
• 申請日: 2021-07-13
• 公開（公告）號: CN113657445B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 廖萬里;金卓;肖飛;林春蓮
• 申請（專利權）人: 珠海金智維信息科技有限公司
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06V10/75;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 張芬

本發明公開了基于Resnet的單行文本圖片比對方法及系統，該方法包括以下步驟：訓練步驟，輸入訓練數據集，通過特征提取網絡提取單行文本圖片的特征，利用分段函數將歐式距離轉化為編輯距離，并基于編輯距離構建損失函數，完成特征提取網絡的訓練；識別步驟，輸入待對比的單行文本圖片，通過訓練好的特征提取網絡網絡模型，得到待對比的單行文本圖片的編輯距離。本發明實現了基于特征提取神經網絡的編輯距離計算，能有效提高單行文本圖片的對比準確度。

技術領域

本發明涉及文本識別的技術領域，特別涉及一種基于Resnet的單行文本圖片比對方法及系統。

背景技術

目前為了解決單行文本圖片的對比問題，通常通過OCR技術識別出文本內容然后計算文本編輯距離。但該方法的對比準確率通常受限于OCR的準備率，而OCR是比圖片對比更為復雜的問題，導致單行文本圖片的對比準確度無法提高。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一。為此，本發明提出一種基于Resnet的單行文本圖片比對方法，能夠有效提高單行文本圖片的對比準確度。

本發明還提出一種具有上述基于Resnet的單行文本圖片比對方法的基于Resnet的單行文本圖片比對系統。

本發明還提出一種具有上述基于Resnet的單行文本圖片比對方法的計算機可讀存儲介質。

根據本發明的第一方面實施例的基于Resnet的單行文本圖片比對方法，包括以下步驟：訓練步驟，輸入訓練數據集，通過特征提取網絡提取單行文本圖片的特征，利用分段函數將歐式距離轉化為編輯距離，并基于編輯距離構建損失函數，完成特征提取網絡的訓練；識別步驟，輸入待對比的單行文本圖片，通過訓練好的特征提取網絡網絡模型，得到所述待對比的單行文本圖片的編輯距離。

根據本發明實施例的基于Resnet的單行文本圖片比對方法，至少具有如下有益效果：以訓練特征提取神經網絡為基礎，引入分段函數將歐式距離轉化為編輯距離，并基于編輯距離的設計損失函數完成特征提取神經網絡的訓練，從而實現基于特征提取神經網絡的編輯距離計算，有效提高單行文本圖片的對比準確度。

根據本發明的一些實施例，所述特征提取網絡為Resnet網絡結構，網絡中包括多個卷積組；其中，第一個卷積組只包括1次卷積計算操作，卷積核為7×7，步長為2；除第一個以外的卷積組包括多個相同的殘差單元。

根據本發明的一些實施例，所述利用分段函數將歐式距離轉化為編輯距離的方法包括：

其中，D(x)為對比的單行文本圖片之間的歐式距離，N為大于0的整數。

根據本發明的一些實施例，所述損失函數為最小化樣本預測編輯距離與實際編輯距離之差。

根據本發明的一些實施例，所述訓練數據的獲取方法包括：獲取第一文本數據，對所述第一文本數據的每一行進行插入、替換和刪除中的至少一項操作，得到第二文本數據；將所述第一文本數據及所述第二文本數據轉化為圖片，并按行進行切割，得到第一訓練單行文本圖片數據集。

根據本發明的一些實施例，所述訓練數據的獲取方法還包括：對所述第一訓練單行文本圖片數據集中的圖片進行加入噪聲、高斯模糊和圖像銳化中的至少一項操作，得到第二訓練單行文本圖片數據集。

根據本發明的第二方面實施例的基于Resnet的單行文本圖片比對系統，包括：模型訓練模塊，用于接收訓練數據集，通過特征提取網絡提取單行文本圖片的特征，利用分段函數將歐式距離轉化為編輯距離，并基于編輯距離構建損失函數，完成特征提取網絡的訓練；編輯距離識別模塊，用于接收待對比的單行文本圖片，通過訓練好的特征提取網絡網絡模型，得到所述待對比的單行文本圖片的編輯距離。