文字识别方法、装置、计算机可读介质及电子设备制造方法及图纸

本公开涉及一种文字识别方法、装置、计算机可读介质及电子设备，该文字识别方法包括：获取多个包含文本的待识别图片，利用文字识别模型识别待识别图片中的文字，得到识别结果，文字识别模型是根据多个包含文本的样本图片中的字符的语义信息及位置特征训练得到的。融合字符位置信息的文字识别模型，能够有效利用样本图片中字符之间的相对位置信息，结合字符本身的语义信息，提高了文字识别的准确率。提高了文字识别的准确率。提高了文字识别的准确率。

【技术实现步骤摘要】
文字识别方法、装置、计算机可读介质及电子设备


[0001]本公开涉及计算机技术邻域，具体地，涉及一种文字识别方法、装置、计算机可读介质及电子设备。

技术介绍

[0002]在基于序列方法的光学字符识别(Optical Character Recognition，OCR)模型中，编码器(encoder)结构广泛被应用于Transformer网络结构中，但是这些网络往往只用标签中字符语义进行损失函数的计算，而忽略了字符之间的相对位置所包含的丰富信息。
[0003]因此，亟需一种能够融合字符位置信息的OCR识别模型。

技术实现思路

[0004]提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]第一方面，本公开提供一种文字识别方法，包括：获取包含文本的待识别图片；利用文字识别模型识别所述待识别图片中的文字，得到识别结果；其中，所述文字识别模型是根据多个包含文本的样本图片中的字符的语义信息及位置特征训练得到的。
[0006]第二方面，本公开提供一种文字识别装置，包括：获取模块，用于获取包含文本的待识别图片；处理模块，用于利用文字识别模型识别所述待识别图片中的文字，得到识别结果；其中，所述文字识别模型是根据多个包含文本的样本图片中的字符的语义信息及位置特征训练得到的。
[0007]第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理装置执行时实现前述的文字识别方法的步骤。
[0008]第四方面，本公开提供一种计算机设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现前述的文字识别方法的步骤。
[0009]通过上述技术方案，获取多个包含文本的待识别图片，利用文字识别模型识别待识别图片中的文字，得到识别结果，文字识别模型是根据多个包含文本的样本图片中的字符的语义信息及位置特征训练得到的。融合字符位置信息的文字识别模型，能够有效利用样本图片中字符之间的相对位置信息，结合字符本身的语义信息，提高了文字识别的准确率。
[0010]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0011]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理
解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
[0012]图1是本公开一个示例性实施例提供的计算机系统的结构示意图。
[0013]图2是本公开一个示例性实施例提供的文字识别模型的结构示意图。
[0014]图3是本公开一个示例性实施例提供的一种文字识别方法的流程图。
[0015]图4是本公开一个示例性实施例提供的另一种文字识别模型的训练方法的流程图。
[0016]图5是本公开一个示例性实施例提供的步骤S204的子步骤的流程图。
[0017]图6是本公开一个示例性实施例提供的文字识别模型的训练装置框图。
[0018]图7是本公开一个示例性实施例提供的电子设备的结构示意图。
[0019]附图标记说明
[0020]120
‑
终端；140
‑
服务器；20
‑
文字识别装置；201
‑
获取模块；203
‑
处理模块；205
‑
转换模块；207
‑
训练模块；30
‑
文字识别装置；301
‑
获取模块；303
‑ꢀ
识别模块；600
‑
计算机设备；601
‑
处理装置；602
‑
ROM；603
‑
RAM；604
‑
总线；605
‑
I/O接口；606
‑
输入装置；607
‑
输出装置；608
‑
存储装置；609
‑
通信装置。
具体实施方式
[0021]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0022]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0023]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。
[0024]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0025]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0026]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0027]图1示出了本公开一个示例性实施例提供的计算机系统的结构示意图，该计算机系统包括终端120和服务器140。
[0028]终端120与服务器140之间通过有线或者无线网络相互连接。
[0029]终端120可以包括智能手机、笔记本电脑、台式电脑、平板电脑、智能音箱、智能机器人中的至少一种。
[0030]终端120包括显示器；显示器用于显示文字识别结果。
[0031]终端120包括第一存储器和第一处理器。第一存储器中存储有第一程序；上述第一程序被第一处理器调用执行以实现本公开提供的文字识别方法。第一存储器可以包括但不
限于以下几种：随机存取存储器(Random AccessMemory，RAM)、只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read
‑
Only Memory，PROM)、可擦除只读存储器 (Erasable Programmable Read
‑
Only Memory，EPROM)、以及电可擦除只读存储器(Electric Erasable Programmable Read
‑
Only Memory，EEPROM)。
[0032]第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文字识别方法，其特征在于，包括：获取包含文本的待识别图片；利用文字识别模型识别所述待识别图片中的文字，得到识别结果；其中，所述文字识别模型是根据多个包含文本的样本图片中的字符的语义信息及位置特征训练得到的。2.根据权利要求1所述的方法，其特征在于，所述文字识别模型是通过以下方式训练得到：获取所述多个包含文本的样本图片；提取所述样本图片中的图片特征，将所述图片特征转换为固定维度的序列特征；对所述固定维度的序列特征进行维度转换，得到维度转换后的序列特征；获取所述维度转换后的序列特征中的所述字符的语义信息及位置特征；利用根据所述语义信息及所述位置特征得到的损失函数，对文字识别模型进行训练。3.根据权利要求2所述的方法，其特征在于，所述语义信息包括字符分类特征、所述字符分类特征对应的分类标签，所述位置特征包括字符的位置回归特征、所述位置回归特征对应的位置标签；所述获取所述维度转换后的序列特征中的字符的语义信息及位置特征的步骤包括：获取所述维度转换后的序列特征中的字符的语义；根据所述字符的语义得到所述字符分类特征；根据所述字符分类特征从预定义的字符标签集中获取所述字符分类特征对应的所述分类标签；获取所述维度转换后的序列特征中的字符之间的相对位置；获取所述相对位置的预定义位置标签；对所述预定义标签进行归一化处理，得到所述位置回归特征及所述位置回归特征对应的位置标签。4.根据权利要求3所述的方法，其特征在于，所述根据所述语义特征及所述位置特征得到所述损失函数的方法包括：根据所述维度转换后的序列特征中字符的字符分类特征、所述字符分类特征对应的分类标签，以及位置回归特征、所述位置回归特征对应的位置标签确定所述损失函数。5.根据权利要求4所述的方法，其特征在于，所述损失函数的计算公式包括：Loss1＝CTC(Z1，G1)+λMSE(Z2，G2)其中，CTC为字符分类损失，Z1为所述字符分...

【专利技术属性】
技术研发人员：毛晓飞，黄灿，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：