[發(fā)明專利]輕量級字符識別模型的訓練方法、電子設備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210023106.8
• 申請日: 2022-01-10
• 公開（公告）號: CN114358199A
• 公開（公告）日: 2022-04-15
• 發(fā)明（設計）人: 陳小鵬;單齊齊;史治國;龐冬
• 申請（專利權(quán)）人: 上海億保健康管理有限公司;浙江大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N20/00;G06V10/774;G06V30/10
• 代理公司: 北京超凡志成知識產(chǎn)權(quán)代理事務所(普通合伙) 11371
• 代理人: 王術(shù)蘭

1.一種輕量級字符識別模型的訓練方法，其特征在于，包括：

對若干機器學習模型進行訓練，得到初始字符檢測模型及初始字符識別模型；

基于已訓練的初始字符檢測模型及初始字符識別模型，構(gòu)建目標字符識別模型；

將所述目標字符識別模型轉(zhuǎn)換為Ncnn框架下的指定格式，獲得輕量級字符識別模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述初始字符檢測模型通過下述方法訓練得到：

基于字符檢測訓練集訓練第一DB模型及第二DB模型；其中，所述第一DB模型骨干網(wǎng)絡為Resnet網(wǎng)絡，所述第二DB模型骨干網(wǎng)絡為Mobilenet網(wǎng)絡；

基于已訓練的第一DB模型，對已訓練的第二DB模型進行知識蒸餾，得到所述初始字符檢測模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述初始字符識別模型包括指定VGG網(wǎng)絡及CTC算法，所述指定VGG網(wǎng)絡經(jīng)過參數(shù)預篩減和BN層剪支處理；

所述初始字符識別模型通過下述方法訓練得到：

基于字符識別訓練集訓練所述指定VGG網(wǎng)絡，獲得已訓練的指定VGG網(wǎng)絡；

基于已訓練的指定VGG網(wǎng)絡對所述字符識別訓練集的識別結(jié)果，對所述CTC算法進行訓練；

對已訓練的指定VGG網(wǎng)絡和已訓練的CTC算法進行連接，得到所述初始字符識別模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲得輕量級字符識別模型之后，所述方法還包括：

將所述輕量級字符識別模型部署至目標設備。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲得輕量級字符識別模型之后，所述方法還包括：

獲取待識別圖像，并對所述待識別圖像進行預處理；

將預處理后的待識別圖像輸入所述輕量級字符識別模型，獲得所述輕量級字符識別模型輸出的目標字符。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述對所述待識別圖像進行預處理，包括：

通過白平衡算法對所述待識別圖像進行亮度調(diào)節(jié)。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，在獲得所述輕量級字符識別模型輸出的目標字符之后，所述方法還包括：

通過指定應用場景對應的正則表達式及校驗位算法，對所述目標字符進行信息提取，獲得所述指定應用場景對應的文字識別結(jié)果。

8.一種輕量級字符識別模型的訓練裝置，其特征在于，包括：

訓練模塊，用于對若干機器學習模型進行訓練，得到初始字符檢測模型及初始字符識別模型；

構(gòu)建模塊，用于基于已訓練的初始字符檢測模型及初始字符識別模型，構(gòu)建目標字符識別模型；

格式轉(zhuǎn)換模塊，用于將所述目標字符識別模型轉(zhuǎn)換為Ncnn框架下的指定格式，獲得輕量級字符識別模型。

9.一種電子設備，其特征在于，所述電子設備包括：

處理器；

用于存儲處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為執(zhí)行權(quán)利要求1-7任意一項所述的輕量級字符識別模型的訓練方法。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序可由處理器執(zhí)行以完成權(quán)利要求1-7任意一項所述的輕量級字符識別模型的訓練方法。