[發明專利]文字識別網絡訓練方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110997813.2
• 申請日: 2021-08-27
• 公開（公告）號: CN113705568A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 張正夫;梁鼎;吳一超
• 申請（專利權）人: 深圳市商湯科技有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京中知恒瑞知識產權代理事務所(普通合伙) 11889
• 代理人: 袁忠林

1.一種文字識別網絡訓練方法，其特征在于，包括：

獲取帶有文字的樣本圖像集，其中，所述樣本圖像集中包括對應有正確文本標注信息和易混淆文本標注信息的第一樣本圖像；

基于待訓練的第一文字識別網絡，確定所述第一樣本圖像對應的預測文本內容；

基于所述正確文本標注信息和所述預測文本內容，確定以所述正確文本標注信息為監督信息時的第一損失值；以及基于所述易混淆文本標注信息和所述預測文本內容，確定以所述易混淆文本標注信息為監督信息時的第二損失值；

基于所述第一損失值和所述第二損失值，訓練所述待訓練的第一文字識別網絡。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括根據以下方法確定所述樣本圖像集中的第一樣本圖像以及所述第一樣本圖像對應的易混淆文本標注信息：

將所述樣本圖像集中的目標樣本圖像輸入至預先訓練的第二文字識別網絡中，確定所述目標樣本圖像對應的預測文本內容；其中，所述第二文字識別網絡是基于所述樣本圖像集中的樣本圖像和所述樣本圖像對應的正確文本標注信息訓練得到的；

在基于所述目標樣本圖像的所述正確文本標注信息檢測到，所述目標樣本圖像對應的預測文本內容中存在錯誤文本內容的情況下，將所述目標樣本圖像作為所述第一樣本圖像，將所述目標樣本圖像的預測文本內容作為所述第一樣本圖像的易混淆文本標注信息。

3.根據權利要求1或2所述的方法，其特征在于，所述待訓練的第一文字識別網絡為所述預先訓練的第二文字識別網絡，所述第二文字識別網絡用于生成所述第一樣本圖像的易混淆文本標注信息。

4.根據權利要求1至3任一所述的方法，其特征在于，在所述待訓練的第一文字識別網絡為未經訓練的初始網絡的情況下，所述樣本圖像集中還包括，對應有正確文本標注的第二樣本圖像。

5.根據權利要求4所述的方法，其特征在于，所述基于所述第一損失值和所述第二損失值，訓練所述待訓練的第一文字識別網絡，包括：

基于所述第一樣本圖像的第一損失值和第二損失值，確定所述第一樣本圖像的第一目標損失值；以及，將所述第二樣本圖像對應的第一損失值作為所述第二樣本圖像的第二目標損失值；

基于所述第一目標損失值和所述第二目標損失值，確定本次訓練過程中的目標損失值；

基于所述目標損失值，訓練所述待訓練的第一文字識別網絡。

6.根據權利要求5所述的方法，其特征在于，所述基于所述第一樣本圖像的第一損失值和第二損失值，確定所述第一樣本圖像的第一目標損失值，包括：

基于所述第一樣本圖像的第一損失值和所述第二損失值，確定對比損失值；所述對比損失值用于表示所述第一文字識別網絡識別易混淆文本的能力；

基于所述第一樣本圖像的第一損失值和所述對比損失值，確定所述第一目標損失值。

7.根據權利要求6所述的方法，其特征在于，所述基于所述第一樣本圖像的第一損失值和所述第二損失值，確定對比損失值，包括：

將所述第一樣本圖像的第一損失值和所述第二損失值之差，作為所述對比損失值。

8.一種文字識別網絡訓練裝置，其特征在于，包括：

獲取模塊，用于獲取帶有文字的樣本圖像集，其中，所述樣本圖像集中包括對應有正確文本標注信息和易混淆文本標注信息的第一樣本圖像；

第一確定模塊，用于基于待訓練的第一文字識別網絡，確定所述第一樣本圖像對應的預測文本內容；

第二確定模塊，用于基于所述正確文本標注信息和所述預測文本內容，確定以所述正確文本標注信息為監督信息時的第一損失值；以及基于所述易混淆文本標注信息和所述預測文本內容，確定以所述易混淆文本標注信息為監督信息時的第二損失值；

訓練模塊，用于基于所述第一損失值和所述第二損失值，訓練所述待訓練的第一文字識別網絡。