OCR模型产出方法、装置、存储介质及计算机设备制造方法及图纸

本申请提供的OCR模型产出方法，获取全局配置信息；根据全局配置信息，确定目标数据；根据目标数据，生成待标注的OCR识别数据；获取难例数据；将待标注的OCR识别数据与难例数据合并，得到训练数据；构建OCR模型并依据训练数据对OCR模型进行训练，得到目标模型；确定目标模型的目标条件；若满足目标条件，则产出目标模型；若不满足，则基于目标模型，确定训练数据中的目标样本；更新难例数据库中的样本数据，并重新依据全局配置信息确定新的目标数据，依据新的目标数据以及更新的样本数据确定新的目标模型，直至新的目标模型满足其对应的目标条件。使得产出的OCR模型达到较好的识别效果，节省大量前期训练的人力成本和时间成本。省大量前期训练的人力成本和时间成本。省大量前期训练的人力成本和时间成本。

【技术实现步骤摘要】
OCR模型产出方法、装置、存储介质及计算机设备


[0001]本申请涉及文字识别
，尤其涉及一种OCR模型产出方法、装置、存储介质及计算机设备。

技术介绍

[0002]随着信息化和数字化的到来，现实场景有大量的文档、图片需要进行文字识别，将内部的内容智能识别和提取出来使用，因此OCR(Optical Character Recognition，光学字符识别)技术已经被广泛使用，在光学字符识别领域，深度学习算法的不断迭代更新，学习能力不断提高，由于深度学习是靠数据驱动的，所以结合数据生成算法生成大量的数据，可以获得很好的识别效果。
[0003]OCR的核心由检测算法和识别算法构成，对于识别算法而言，由于文字类别多、背景复杂、文字模糊、文字褶皱、拍照曝光等各种复杂场景的存在，如果通用OCR模型要达到较好的识别效果，需要大量的数据采集与标注，会耗费大量的人力成本和时间成本。

技术实现思路

[0004]本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术中通用OCR模型要达到较好的识别效果，需要大量的数据采集与标注，会耗费大量的人力成本和时间成本的技术缺陷。
[0005]第一方面，本申请提供了一种OCR模型产出方法，所述方法包括：
[0006]当接收到客户端发起的模型产出请求时，获取所述模型产出请求中包含的全局配置信息；
[0007]根据所述全局配置信息，确定目标数据；其中，所述目标数据包括语料数据、字体数据、背景图像数据以及强化方案；
[0008]根据所述目标数据，生成待标注的OCR识别数据；
[0009]获取难例数据；其中，所述难例数据为已设置的难例数据库中的所有样本数据；
[0010]将所述待标注的OCR识别数据与所述难例数据合并，得到训练数据；
[0011]构建OCR模型，并依据所述训练数据，对所述OCR模型进行训练，得到目标模型；
[0012]对所述目标模型进行迭代评估，确定所述目标模型对应的目标条件；
[0013]若所述目标模型满足所述目标条件，则产出所述目标模型；
[0014]若所述目标模型不满足所述目标条件，则基于所述目标模型，确定所述训练数据中的目标样本；
[0015]根据所述目标样本，更新所述难例数据库中的样本数据，并重新依据所述全局配置信息确定新的目标数据，依据所述新的目标数据以及更新的样本数据确定新的目标模型，直至所述新的目标模型满足其对应的目标条件。
[0016]在其中一个实施例中，所述根据所述全局配置信息，确定目标数据，包括：
[0017]根据所述全局配置信息，在已设置的语料采集系统中确定目标语料库集合；其中，
所述目标语料库集合为可选取的语料库的集合；
[0018]在所述目标语料库集合中，依据第一预设策略选取至少一个语料库，得到与选取的语料库对应的语料数据；
[0019]根据所述全局配置信息，在已设置的字体采集系统中确定目标字体库集合；其中，所述目标字体库集合为可选取的字体库的集合；
[0020]在所述目标字体库集合中，依据第二预设策略选取至少一个字体库，得到与选取的字体库对应的字体数据；
[0021]根据所述全局配置信息，在已设置的背景图像采集系统中确定目标背景图库集合；其中，所述目标背景图库集合为可选取的背景图库的集合；
[0022]在所述目标背景图库集合中，依据第三预设策略选取至少一个背景图库，得到与选取的背景图库对应的背景图像数据；
[0023]在已设置的增强算法库中，依据第四预设策略选取至少一种增强算法，得到与选取的增强算法对应的强化方案；
[0024]根据所述语料数据、所述字体数据、所述背景图像数据和所述强化方案，确定目标数据。
[0025]在其中一个实施例中，所述对所述目标模型进行迭代评估，确定所述目标模型对应的目标条件，包括：
[0026]获取所述全局配置信息中的迭代终止条件；
[0027]若所述迭代终止条件为迭代次数，则获取本次OCR模型产出中对应的迭代次数；
[0028]将所述迭代次数超过第一预设阈值确定为目标条件。
[0029]在其中一个实施例中，所述对所述目标模型进行迭代评估，确定所述目标模型对应的目标条件，还包括：
[0030]若所述迭代终止条件为识别效果，则基于已设置的迭代评估系统对所述目标模型进行效果评估，得到与所述目标模型对应的模型评估分值；
[0031]将所述模型评估分值超过第二预设阈值确定为目标条件。
[0032]在其中一个实施例中，所述基于所述目标模型，确定所述训练数据中的目标样本，包括：
[0033]获取所述训练数据中各个样本对应的期望输出；
[0034]将所述训练数据中的各个样本输入所述目标模型中，得到各个样本对应的实际输出；
[0035]若所述训练数据中的样本对应的实际输出和期望输出不一致，则将该样本确定为目标样本。
[0036]在其中一个实施例中，所述根据所述目标样本，更新所述难例数据库中的样本数据，包括：
[0037]用所述目标样本覆盖所述难例数据库中已存在的所有样本数据。
[0038]第二方面，本申请提供了一种OCR模型产出装置，所述装置包括：
[0039]第一获取模块，用于当接收到客户端发起的模型产出请求时，获取所述模型产出请求中包含的全局配置信息；
[0040]第一确定模块，用于根据所述全局配置信息，确定目标数据；其中，所述目标数据
包括语料数据、字体数据、背景图像数据以及强化方案；
[0041]数据生成模块，用于根据所述目标数据，生成待标注的OCR识别数据；
[0042]第二获取模块，用于获取难例数据；其中，所述难例数据为已设置的难例数据库中的所有样本数据；
[0043]数据合并模块，用于将所述待标注的OCR识别数据与所述难例数据合并，得到训练数据；
[0044]模型训练模块，用于构建OCR模型，并依据所述训练数据，对所述OCR模型进行训练，得到目标模型；
[0045]第二确定模块，用于对所述目标模型进行迭代评估，确定所述目标模型对应的目标条件；
[0046]模型产出模块，用于若所述目标模型满足所述目标条件，则产出所述目标模型；
[0047]第三确定模块，用于若所述目标模型不满足所述目标条件，则基于所述目标模型，确定所述训练数据中的目标样本；
[0048]数据更新模块，用于根据所述目标样本，更新所述难例数据库中的样本数据，并重新依据所述全局配置信息确定新的目标数据，依据所述新的目标数据以及更新的样本数据确定新的目标模型，直至所述新的目标模型满足其对应的目标条件。
[0049]在其中一个实施例中，所述第一确定模块，包括：
[0050]第一确定子模块，用于根据所述全局配置信息，在已设置的语料采集系统中确定目标语料库集合；其中，所述目标语料库集合为可选取的语料库的集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种OCR模型产出方法，其特征在于，所述方法包括：当接收到客户端发起的模型产出请求时，获取所述模型产出请求中包含的全局配置信息；根据所述全局配置信息，确定目标数据；其中，所述目标数据包括语料数据、字体数据、背景图像数据以及强化方案；根据所述目标数据，生成待标注的OCR识别数据；获取难例数据；其中，所述难例数据为已设置的难例数据库中的所有样本数据；将所述待标注的OCR识别数据与所述难例数据合并，得到训练数据；构建OCR模型，并依据所述训练数据，对所述OCR模型进行训练，得到目标模型；对所述目标模型进行迭代评估，确定所述目标模型对应的目标条件；若所述目标模型满足所述目标条件，则产出所述目标模型；若所述目标模型不满足所述目标条件，则基于所述目标模型，确定所述训练数据中的目标样本；根据所述目标样本，更新所述难例数据库中的样本数据，并重新依据所述全局配置信息确定新的目标数据，依据所述新的目标数据以及更新的样本数据确定新的目标模型，直至所述新的目标模型满足其对应的目标条件。2.根据权利要求1所述的OCR模型产出方法，其特征在于，所述根据所述全局配置信息，确定目标数据，包括：根据所述全局配置信息，在已设置的语料采集系统中确定目标语料库集合；其中，所述目标语料库集合为可选取的语料库的集合；在所述目标语料库集合中，依据第一预设策略选取至少一个语料库，得到与选取的语料库对应的语料数据；根据所述全局配置信息，在已设置的字体采集系统中确定目标字体库集合；其中，所述目标字体库集合为可选取的字体库的集合；在所述目标字体库集合中，依据第二预设策略选取至少一个字体库，得到与选取的字体库对应的字体数据；根据所述全局配置信息，在已设置的背景图像采集系统中确定目标背景图库集合；其中，所述目标背景图库集合为可选取的背景图库的集合；在所述目标背景图库集合中，依据第三预设策略选取至少一个背景图库，得到与选取的背景图库对应的背景图像数据；在已设置的增强算法库中，依据第四预设策略选取至少一种增强算法，得到与选取的增强算法对应的强化方案；根据所述语料数据、所述字体数据、所述背景图像数据和所述强化方案，确定目标数据。3.根据权利要求1所述的OCR模型产出方法，其特征在于，所述对所述目标模型进行迭代评估，确定所述目标模型对应的目标条件，包括：获取所述全局配置信息中的迭代终止条件；若所述迭代终止条件为迭代次数，则获取本次OCR模型产出中对应的迭代次数；将所述迭代次数超过第一预设阈值确定为目标条件。
4.根据权利要求3所述的OCR模型产出方法，其特征在于，所述对所述目标模型进行迭代评估，确定所述目标模型对应的目标条件，还包括：若所述迭代终止条件为识别效果，则基于已设置的迭代评估系统对所述目标模型进行效果评估，得到与所述目标模型对应的模型评估分值；将所述模型评估分值超过第二预设阈值确定为目标条件。5.根据权利要求1所述的OCR模型产出方法，其特征在于，所述基于所述目标模型，确定所述训练数据中的目标样本，包括：获取所述训练数据中各个样本对应的期望输出；将所述训练数据中的各个样本输入所述目标模型中，得到各个样本对应的实际输出；若所述训练数据中的样本对应的实际输出和期望输出不一致，则将该样本确定为目标样本。6.根据权...

【专利技术属性】
技术研发人员：卞晓瑜，肖鸣林，黄俊，
申请(专利权)人：壹沓科技上海有限公司，
类型：发明
国别省市：