[發明專利]文本識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202210359921.1
• 申請日: 2022-04-06
• 公開（公告）號: CN114677691B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 劉珊珊;喬美娜;吳亮;呂鵬原;范森;章成全;姚錕
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V30/19
• 分類號: G06V30/19;G06V10/82;G06V30/41;G06V30/42;G06V20/62
• 代理公司: 北京市漢坤律師事務所 11602
• 代理人: 姜浩然;吳麗麗

本公開提供了一種文本識別方法、裝置、電子設備及存儲介質，涉及人工智能技術領域，具體為深度學習、圖像處理、計算機視覺技術領域，可應用于OCR等場景。實現方案為：一種文本識別方法包括：獲取待處理圖像的整圖場景和文本圖像；確定所述整圖場景對應的第一文本識別模型；以及根據所述第一文本識別模型對所述文本圖像進行文本識別，得到文本信息。

技術領域

本公開涉及人工智能技術領域，具體為深度學習、圖像處理、計算機視覺技術領域，可應用于OCR(Optical Character Recognition，光學字符識別)等場景。具體地，本公開涉及一種文本識別方法、裝置、電子設備、計算機可讀存儲介質和計算機程序產品。

背景技術

人工智能是研究使計算機模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科，既有硬件層面的技術也有軟件層面的技術。人工智能硬件技術一般包括如傳感器、專用人工智能芯片、云計算、分布式存儲、大數據處理等技術；人工智能軟件技術主要包括計算機視覺技術、語音識別技術、自然語言處理技術以及機器學習/深度學習、大數據處理技術、知識圖譜技術等幾大方向。

近年來，文本識別技術的研究和發展不斷深化，使得在諸多應用領域中得以廣泛使用。自動化且高效的文本識別能夠有效緩解人力成本，提高智能化操作水平。因而，如何提供更為有效的文本識別仍然是研究關注的熱點。隨著科技和社會的不斷進步，應用文本識別的領域更加廣泛，促使了與文本識別相關的場景更加多樣化，且文字在分布方式也趨于復雜化，由此給文本識別帶來了更多的技術挑戰。

在此部分中描述的方法不一定是之前已經設想到或采用的方法。除非另有指明，否則不應假定此部分中描述的任何方法僅因其包括在此部分中就被認為是現有技術。類似地，除非另有指明，否則此部分中提及的問題不應認為在任何現有技術中已被公認。

發明內容

本公開提供了一種文本識別方法、裝置、電子設備、計算機可讀存儲介質和計算機程序產品。

根據本公開的一方面，提供了一種文本識別方法。所述方法包括：獲取待處理圖像的整圖場景和文本圖像；確定所述整圖場景對應的第一文本識別模型；以及根據所述第一文本識別模型對所述文本圖像進行文本識別，得到文本信息。

根據本公開的另一方面，提供了一種文本識別裝置。所述裝置包括：圖像獲取單元，被配置為獲取待處理圖像的整圖場景和文本圖像；模型確定單元，被配置為確定所述整圖場景對應的第一文本識別模型；文本識別單元，被配置為根據所述第一文本識別模型對所述文本圖像進行文本識別，得到文本信息。

根據本公開的另一方面，提供了一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中存儲器存儲有能夠被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如上所述的方法。

根據本公開的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使計算機執行如上所述的方法。

根據本公開的另一方面，提供了一種計算機程序產品，包括計算機程序，其中，所述計算機程序在被處理器執行時實現如上所述的方法。

根據本公開的一個或多個實施例，可以提升文本識別的準確率。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖示例性地示出了實施例并且構成說明書的一部分，與說明書的文字描述一起用于講解實施例的示例性實施方式。所示出的實施例僅出于例示的目的，并不限制權利要求的范圍。在所有附圖中，相同的附圖標記指代類似但不一定相同的要素。

圖1示出了根據本公開實施例的可以在其中實施本文描述的各種方法的示例性系統的示意圖；