[發明專利]一種文字圖像識別糾錯方法和電子設備

有效

• 申請號: 202210316087.8
• 申請日: 2022-03-29
• 公開（公告）號: CN114677689B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 宋祺;張睿;燕鵬舉;周健
• 申請（專利權）人: 上海弘璣信息技術有限公司
• 主分類號: G06V30/40
• 分類號: G06V30/40;G06F40/216;G06F40/232
• 代理公司: 江蘇瑞途律師事務所 32346
• 代理人: 計璐

1.一種文字圖像識別糾錯方法，其特征在于，包括以下步驟：

對文字圖像進行文字識別，預處理文字識別結果，過濾出所述文字識別結果的潛在錯誤結果；

構建候選替換集合；

基于語言模型，用所述候選替換集合中的文字逐一替換所述潛在錯誤結果，并計算每次潛在錯誤結果替換后文字序列的合理性得分；

將所有合理性得分排序，輸出合理性得分最高的文字序列作為糾錯后輸出結果；

對于包括多個所述潛在錯誤結果的文字識別結果，結合所有所述潛在錯誤結果替換后的文字序列計算合理性得分；包括：

計算使用第一候選替換集合對第一潛在錯誤結果替換后合理性得分，確認合理性得分前N位對應的第一潛在錯誤結果替換后文字序列，在所述文字序列基礎上計算使用第二候選替換集合對第二潛在錯誤結果替換后合理性得分，以此類推，直至計算出最后一個潛在錯誤結果的合理性得分。

2.根據權利要求1所述的一種文字圖像識別糾錯方法，其特征在于，所述基于語言模型，用所述候選替換集合中的文字逐一替換所述潛在錯誤結果，并計算每次潛在錯誤結果替換后文字序列的合理性得分，包括：

確認包括所述潛在錯誤結果在內的子文字單元，通過語言模型對子文字單元進行識別；對于語言模型中不包括的子文字單元，使用所述候選替換集合中的文字替換所述潛在錯誤結果，計算替換后文字序列的合理性得分。

3.根據權利要求2所述的一種文字圖像識別糾錯方法，其特征在于，所述子文字單元為包括所述潛在錯誤結果的文字單元。

4.根據權利要求1所述的一種文字圖像識別糾錯方法，其特征在于，所述合理性得分計算是根據語言模型，計算文字序列中文字出現的概率。

5.根據權利要求1所述的一種文字圖像識別糾錯方法，其特征在于，所述候選替換集合根據字形知識庫構建。

6.根據權利要求5所述的一種文字圖像識別糾錯方法，其特征在于，所述字形知識庫包括形近字，以及結合偏旁部首后得到的文字。

7.根據權利要求1所述的一種文字圖像識別糾錯方法，其特征在于，所述文字識別結果包括識別的文字序列，以及文字序列對應的概率序列，所述概率序列表示識別出所述文字序列的概率。

8.根據權利要求1所述的一種文字圖像識別糾錯方法，其特征在于，所述預處理包括將全角標點符號轉換為半角，以及將所述文字序列和概率序列對應。

9.一種電子設備，其特征在于，包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現如上述權利要求1-8任意一項所述的一種文字圖像識別糾錯方法。