[發明專利]基于模型的文本識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210700528.4
• 申請日: 2022-06-20
• 公開（公告）號: CN115188003A
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 孫鐵;蘇志鋒
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06V30/41
• 分類號: G06V30/41;G06V30/418
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 錢春陽

1.一種基于模型的文本識別方法，其特征在于，包括：

獲取初始圖像，并確定初始圖像的初始圖像參數；

確定所述初始圖像對應的目標圖像類型，并根據所述目標圖像類型確定所述初始圖像對應的目標預設圖像參數；

將所述初始圖像參數調整為所述目標預設圖像參數，得到所述預處理圖像；

將所述預處理圖像輸入至文本識別模型中，得到第一識別結果；

根據校正數據庫對所述第一識別結果進行文本校正，得到第二識別結果。

2.根據權利要求1所述的基于模型的文本識別方法，其特征在于，在將所述預處理圖像輸入至文本識別模型中，得到第一識別結果之前，所述方法還包括：

獲取多組訓練圖像集，每組所述訓練圖像集分別對應的訓練圖像參數不同，每組所述訓練圖像集中對應的多張訓練圖像對應的訓練圖像參數相同；

依次將所述多組訓練圖像集輸入至基礎模型中，以對所述基礎模型進行訓練，得到所述文本識別模型。

3.根據權利要求2所述的基于模型的文本識別方法，其特征在于，所述依次將所述多組訓練圖像集輸入至基礎模型中，以對所述基礎模型進行訓練，得到所述文本識別模型，包括：

獲取所述基礎模型輸出的每一張所述訓練圖像的第一識別準確率；

根據所述第一識別準確率確定每組訓練圖像集對應的第二識別準確率；

若每組所述訓練圖像集的所述第二識別準確率高于對應的預設閾值，則所述基礎模型訓練完成，得到所述文本識別模型。

4.根據權利要求3所述的基于模型的文本識別方法，其特征在于，在所述根據所述第一識別準確率確定每組訓練圖像集對應的第二識別準確率之后，所述方法還包括：

確定所述第二識別準確率低于所述預設閾值的目標訓練圖像集；

將所述目標訓練圖像集輸入至所述基礎模型中繼續訓練，直至所述目標訓練圖像集的第二識別準確率高于所述預設閾值。

5.根據權利要求1所述的基于模型的文本識別方法，其特征在于，所述將所述初始圖像參數調整為所述目標預設圖像參數，包括：

確定所述初始圖像參數中的亮度、對比度，以及所述目標預設圖像參數中的預設亮度、預設對比度；

將所述亮度調整為所述預設亮度，以及將所述對比度調整為預設對比度。

6.根據權利要求1至5任一項所述的基于模型的文本識別方法，其特征在于，所述根據校正數據庫對所述第一識別結果進行文本校正，得到第二識別結果，包括：

獲取所述校正數據庫中的語義數據；

根據所述語義數據確定所述第一識別結果中是否存在錯誤語義文本；

若所述第一識別結果中存在所述錯誤語義文本，則根據所述語義數據對所述錯誤語義文本進行修改，得到正確語義文本，并將所述正確語義文本確定為所述第二識別結果。

7.一種基于模型的文本識別裝置，其特征在于，包括：

獲取模塊，用于獲取初始圖像，并確定初始圖像的初始圖像參數；

確定模塊，用于確定所述初始圖像對應的目標圖像類型，并根據所述目標圖像類型確定所述初始圖像對應的目標預設圖像參數；

調整模塊，用于將所述初始圖像參數調整為所述目標預設圖像參數，得到所述預處理圖像；

第一識別模塊，用于將所述預處理圖像輸入至文本識別模型中，得到第一識別結果；

第二識別模塊，用于根據校正數據庫對所述第一識別結果進行文本校正，得到第二識別結果。

8.根據權利要求7所述的基于模型的文本識別裝置，其特征在于，在將所述預處理圖像輸入至文本識別模型中，得到第一識別結果之前，所述第一識別模塊還用于：

獲取多組訓練圖像集，每組所述訓練圖像集分別對應的訓練圖像參數不同，每組所述訓練圖像集中對應的多張訓練圖像對應的訓練圖像參數相同；

依次將所述多組訓練圖像集輸入至基礎模型中，以對所述基礎模型進行訓練，得到所述文本識別模型。