CN110378318A - 文字识别方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请公开了一种文字识别方法、装置、计算机设备及存储介质，涉及互联网信息处理。该方法可以根据该文字识别结果中每个文字的第一字向量，以及该标定文字结果中每个文字的第二字向量的相似度，确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。将该对应关系作为训练数据对文字识别模型进行训练，从而得到训练后的文字识别模型。由于训练后的文字识别模型的训练数据为此次训练前的文字识别模型获取的文字识别结果中的文字，与标定文字结果中的文字的对应关系。因此采用训练后的文字识别模型识别文字图片中的文字时，可以较为准确的识别出文字，提高了文字识别的准确率。

Description

文字识别方法、装置、计算机设备及存储介质

技术领域

本申请涉及互联网信息处理领域，特别涉及一种文字识别方法、装置、计算机设备及存储介质。

背景技术

人们在工作过程中，经常需要对图片中的文字进行处理，由于图片中的文字不能编辑，因此需要先对该图片进行文字识别。

相关技术中，通常采用光学字符识别(optical character recognition，OCR)模型识别图片中的文字。

但是该模型识别出的文字的准确率较低。

发明内容

本申请提供了一种文字识别方法、装置、计算机设备及存储介质，可以解决相关技术中模型识别出的文字的准确率较低的问题。所述技术方案如下：

一方面，提供了一种文字识别方法，所述方法包括：

通过文字识别模型获取文字图片的文字识别结果；

获取所述文字图片的标定文字结果；

获取所述文字识别结果中每个文字的第一字向量，以及所述标定文字结果中每个文字的第二字向量；

根据所述第一字向量以及所述第二字向量的相似度确定所述文字识别结果中每个文字与所述标定文字结果中每个文字的对应关系；

以所述对应关系为训练数据，对所述文字识别模型进行训练，得到训练后的文字识别模型。

另一方面，提供了一种文字识别装置，所述装置包括：

第一获取模块，用于通过文字识别模型获取文字图片的文字识别结果；

第二获取模块，用于获取所述文字图片的标定文字结果；

第三获取模块，用于获取所述文字识别结果中每个文字的第一字向量，以及所述标定文字结果中每个文字的第二字向量；

确定模块，用于根据所述第一字向量以及所述第二字向量的相似度确定所述文字识别结果中每个文字与所述标定文字结果中每个文字的对应关系；

训练模块，用于以所述对应关系为训练数据，对所述文字识别模型进行训练，得到训练后的文字识别模型。

又一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述方面所述的文字识别方法。

再一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述方面所述的文字识别方法。

本申请提供的技术方案带来的有益效果至少包括：

本申请提供了一种文字识别方法、装置、计算机设备及存储介质，该方法可以根据该文字识别结果中每个文字的第一字向量，以及该标定文字结果中每个文字的第二字向量的相似度，确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。将该对应关系作为训练数据对文字识别模型进行训练，从而得到训练后的文字识别模型。由于训练后的文字识别模型的训练数据为此次训练前的文字识别模型获取的文字识别结果中的文字，与标定文字结果中的文字的对应关系。因此采用训练后的文字识别模型识别文字图片中的文字时，可以较为准确的识别出文字，提高了文字识别的准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种文字识别方法的流程图；

图2是本发明实施例提供的另一种文字识别方法的流程图；

图3是本发明实施例提供的一种文字图片的示意图；

图4是本发明实施例提供的一种获取文字识别结果以及标定文字结果中每两个文字的字形相似度的方法流程图；

图5是本发明实施例提供的一种文字识别装置的结构示意图；

图6是本发明实施例提供的另一种文字识别装置的结构示意图；

图7是本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

本发明实施例提供的文字识别方法的实施环境可以为终端，或服务器。其中，终端可以为计算机、平板电脑、智能手机、车载导航仪、多媒体播放器或者可穿戴式设备等。服务器可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。

在本发明实施例的一种应用场景中，当需要对文字图片(文字图片为记录有文字的图片)中的文字进行识别时，终端或服务器可以获取该文字图片(可以通过摄像头等图像获取组件直接获取文字图片，或者通过数据传输的方式从其他设备中获取文字图片)，并采用该终端或服务器中的训练后的文字识别模型对该文字图片进行文字识别，从而得到该文字图片中的文字。由于识别该文字图片中的文字所采用的模型为训练后的文字识别模型，且训练该文字识别模型的训练数据为此次训练前的文字识别模型获取的文字识别结果中的文字，与标定文字结果中的文字的对应关系，因此采用训练后的文字识别模型识别文字图片中的文字时，可以较为准确的识别出文字，提高了文字识别的准确率。

本发明实施例提供的文字识别方法涉及自然语言处理(nature languagerocessing，NLP)技术，该NLP技术是计算机科学领域与人工智能领域中的一个重要方向。NLP技术可以实现人与计算机用自然语言进行有效通信。NLP技术是一门集语言学，计算机科学，以及数学于一体的科学。NLP技术通常包括文本处理，语义理解，机器翻译，机器人问答，以及知识图谱等。

图1是本发明实施例提供的一种文字识别方法的流程图。该方法可以应用于上述实施环境中的终端或服务器中。本发明实施例以应用于服务器为例进行说明。参考图1可以看出，该方法可以包括：

步骤101、通过文字识别模型获取文字图片的文字识别结果。

在本发明实施例中，服务器中可以存储有文字识别模型，在对该文字识别模型训练之前，可以先采用此次训练前的文字识别模型识别文字图片中的文字，获得该文字图片的文字识别结果。

可选的，该文字图片可以为照片，屏幕截图或便携式文档格式(portabledocument format，PDF)等任意包含文字的图片。该文字识别结果可以为该文字图片中的全部文字的识别结果，也可以为该文字图片中的部分文字的识别结果。

需要说明的是，通过文字识别模型获取到的文字图片的文字识别结果中的文字可以存储在服务器中。且在存储该文字识别结果中的文字时，可以先对该文字识别结果中的文字进行划分，将划分后的文字分别存储在服务器中，也即是，该文字识别结果中的文字可以分块存储在服务器中。该划分过程可以由文字识别模型来完成。

示例的，假设文字图片为照片，可以将文字识别结果中能够组成词的文字进行划分，并存储在服务器中，或者，假设文字图片为PDF文档，可以将文字识别结果中每相邻几个字进行划分，并存储在服务器中。

步骤102、获取该文字图片的标定文字结果。

在本发明实施例中，服务器可以从其自身的文字数据库中获取该文字图片的标定文字结果。或者，可以人工识别该文字图片中的文字，并将该人工识别出的文字存储在服务器中，服务器即可获取到该文字图片的标定文字结果。

其中，该标定文字结果可以为该文字图片中文字的准确结果。该标定文字结果可以为该文字图片中的全部文字的准确结果，也可以为该文字图片中的部分文字的准确结果。

步骤103、获取该文字识别结果中每个文字的第一字向量，以及该标定文字结果中每个文字的第二字向量。

在本发明实施例中，服务器中可以存储有字向量模型，当服务器获取到原始的文字识别模型的文字识别结果之后，可以将该文字识别结果中的每个文字输入至字向量模型，采用该字向量模型生成该文字识别结果中每个文字的第一字向量，之后，服务器即可从该字向量模型中获取到该文字识别结果中每个文字的第一字向量。

相应的，当服务器获取到标定文字结果之后，可以将该标定文字结果中的每个文字输入至字向量模型，采用该字向量模型生成该标定文字结果中每个文字的字向量，之后，服务器即可从该字向量模型中获取到该标定文字结果中每个文字的第二字向量。

其中，每个文字的字向量可以为能够唯一标识该文字的N维向量，N为大于1的正整数。示例的，若字向量模型生成的文字识别结果中某个文字的第一字向量，与该字向量模型生成的标定文字结果中某个文字的第二字向量相同，则服务器可以确定文字识别结果中的该文字与标定文字结果中的该文字为同一个文字。

本发明实施例中，通过将文字转换为字向量的方式来确定文字的相似度，可以方便的通过服务器或终端对大量的文字进行比对，加快了后续训练数据的获取速度，进而提高了对文字识别模型的训练速度。

步骤104、根据该第一字向量以及该第二字向量的相似度确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。

在本发明实施例中，由于每个文字的字向量可以唯一标识该文字，因此若字向量模型生成的文字识别结果中的某个文字的第一字向量，与字向量模型生成的标定文字结果中的某个文字的第二字向量相似度较低，则表示该文字识别结果中的该文字，与标定文字结果中的该文字的相似度较低，可以确定该两个文字不对应。

若字向量模型生成的文字识别结果中的某个文字的第一字向量，与字向量模型生成的标定文字结果中的某个文字的第二字向量的相似度较高，则表示该两个文字的相似度较高，可以确定该两个文字对应。

或者，若字向量模型生成的文字识别结果中的某个文字的第一字向量，与字向量模型生成的标定文字结果中的某个文字的第二字向量完全相同，则表示该两个文字为同一个文字，可以确定该两个文字对应。

其中，服务器确定的文字识别结果中每个文字与该标定文字结果中每个文字的对应关系，可以为一组或多组。

步骤105、以该对应关系为训练数据，对该文字识别模型进行训练，得到训练后的文字识别模型。

在本发明实施例中，可以将获取到的一组或多组对应关系输入至文字识别模型中，并对该文字识别模型进行训练，从而得到训练后的文字识别模型。

综上所述，本发明实施例提供了一种文字识别方法，该方法可以根据该文字识别结果中每个文字的第一字向量，以及该标定文字结果中每个文字的第二字向量的相似度，确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。将该对应关系作为训练数据对文字识别模型进行训练，从而得到训练后的文字识别模型。由于训练后的文字识别模型的训练数据为此次训练前的文字识别模型获取的文字识别结果中的文字，与标定文字结果中的文字的对应关系。因此采用训练后的文字识别模型识别文字图片中的文字时，可以较为准确的识别出文字，提高了文字识别的准确率。

图2是本发明实施例提供的另一种文字识别方法的流程图。该方法可以应用于上述实施环境中的终端或服务器中。本发明实施例以应用于服务器为例进行说明。参考图2可以看出，该方法可以包括：

步骤201、通过文字识别模型获取文字图片的文字识别结果。

在本发明实施例中，服务器中可以存储有文字识别模型，在对该文字识别模型训练之前，可以先采用此次训练前的文字识别模型识别文字图片中的文字，获得该文字图片的文字识别结果。该此次训练前的文字识别模型识别文字图片中的文字的准确率较低。

可选的，该文字图片可以为照片，屏幕截图或PDF文档等任意包含文字的图片。该文字识别结果可以为该文字图片中的全部文字的识别结果，也可以为该文字图片中的部分文字识别结果。

示例的，采用该此次训练前的文字识别模型识别出图3中的文字，其文字识别结果可以为图3中全部文字的识别结果，例如，该文字识别结果可以为“牛肉而成言装饰专业开锁石锅拌饭”。或者，获取到的文字识别结果可以为图3中部分文字的识别结果，例如，该文字识别结果可以为“成言装饰”。

需要说明的是，通过文字识别模型获取到的文字图片的文字识别结果中的文字可以存储在服务器中。且在存储该文字识别结果中的文字时，可以先对该文字识别结果中的文字进行划分，将划分后的文字分别存储在服务器中，也即是，该文字识别结果中的文字可以分块存储在服务器中，服务器即可获取文字图片的文字识别结果。该划分过程可以由文字识别模型来完成。

示例的，参考图3，该文字图片为照片，则可以将该文字识别结果中组成词的文字进行划分，例如可以将“牛肉而成言装饰专业开锁石锅拌饭”划分为“牛肉而”，“成言装饰”，“专业开锁”，以及“石锅拌饭”，并将划分的每个词均存储在服务器中。

在本发明实施例中，文字识别模型可以为光学字符识别(optical characterrecognition，OCR)模型。

步骤202、获取文字图片的标定文字结果。

在本发明实施例中，服务器可以从其自身的文字数据库中获取该文字图片的标定文字结果。或者，可以人工识别该文字图片中的文字，并将该人工识别出的文字存储在服务器中，服务器即可获取到该文字图片的标定文字结果。

该文字图片的标定文字结果可以为该文字图片中文字的准确结果。该标定文字结果可以为该文字图片中的全部文字的准确结果，也可以为该文字图片中的部分文字的准确结果。

示例的，参考图3，该文字图片的标定文字结果可以为“牛肉面诚信装饰专业开锁石锅拌饭”，或者，该文字图片的标定文字结果可以为“诚信装饰”。

步骤203、获取该文字识别结果以及该标定文字结果中每两个文字的字形相似度。

在本发明实施例中，该每两个文字中的一个文字为该文字识别结果中的文字，另一个文字为该标定文字结果中的文字。也即是，服务器可以获取文字识别结果中的每个文字，与标定文字结果中每个文字的字形相似度。

示例的，假设文字识别结果为“成言装饰”，标定文字结果为“诚信装饰”，则服务器可以分别获取该文字识别结果中的“成”与标定文字结果中“诚”，“信”，“装”，以及“饰”四个字的字形相似度，获取该文字识别结果中的“言”与标定文字结果中“诚”，“信”，“装”，以及“饰”四个字的字形相似度，获取该文字识别结果中的“装”与标定文字结果中“诚”，“信”，“装”，以及“饰”四个字的字形相似度，获取该文字识别结果中的“饰”与标定文字结果中“诚”，“信”，“装”，以及“饰”四个字的字形相似度。也即是，一共可以获取到16个字形相似度。

可选的，该字形相似度可以包括笔画序列的相似度，偏旁部首序列的相似度，笔画编码序列的相似度，以及偏旁部首编码序列的相似度中的任意一种。该字形相似度可以用于表征文字识别结果中的某个文字与标定文字结果中的某个文字的相似程度。

或者，该字形相似度可以通过两个文字的编辑距离来衡量，该编辑距离可以是指针对两个文字的差异程度的量化量测，量测方式是看至少需要多少次的处理才能将一个文字变成另一个文字。例如，“成”加两笔可以得到“诚”，“诚”减两笔可以得到“成”，则“成”和“诚”的编辑距离可以为2。

当字形相似度为笔画序列的相似度时，参考图4，该步骤203可以包括：

步骤2031、获取该文字识别结果以及该标定文字结果中每个文字的笔画序列。

在本发明实施例中，服务器可以分别获取文字识别结果中每个文字的笔画序列，以及标定文字结果中每个文字的笔画序列。该笔画序列可以为文字的笔画。

示例的，服务器可以获取该文字识别结果“成言装饰”四个字的笔画序列，例如，获取到的“成”的笔画序列为：一丿丿丶。服务器还可以获取该标定文字结果“诚信装饰”四个字的笔画序列，例如，获取到的“诚”的笔画序列为：丶一丿丿丶。

步骤2032、根据该每个文字的笔画序列确定该每两个文字的字形相似度。

在本发明实施例中，可以根据文字识别结果中每个文字的笔画序列，以及标定文字结果中每个文字的笔画序列，确定每两个文字的字形相似度。其中，每两个文字的字形相似度，与该每两个文字中一个文字的笔画序列和另一个文字的笔画序列的相似度正相关。也即是，两个文字中一个文字的笔画序列和另一个文字的笔画序列的相似度越高，该两个字的字形相似度越高，每两个文字中一个文字的笔画序列和另一个文字的笔画序列的相似度越低，该每两个字的字形相似度越低。因此，服务器可以根据文字识别结果中的某个文字的笔画序列，与标定文字结果中的某个文字的笔画序列的相似程度，确定每两个文字的字形相似度。

示例的，文字识别结果“成言装饰”中的“装”和“饰”的笔画序列，分别与标定文字结果“诚信装饰”中的“装”和“饰”的笔画序列相同，也即是，该文字识别结果中“装”，与标定文字结果中“装”的字形相似度较高，该文字识别结果中“饰”，与标定文字结果中“饰”的字形相似度较高。而文字识别结果“成言装饰”中的“成”和“言”的笔画序列，分别与标定文字结果“诚信装饰”中的“诚”和“信”的笔画序列存在差异，也即是，该文字识别结果中“成”，与标定文字结果中“诚”的字形相似度较低，该文字识别结果中“言”与标定文字结果中“信”的字形相似度较低。

步骤204、当存在字形相似度位于阈值范围内的两个文字时，在该文字识别结果以及该标定文字结果中去除该字形相似度位于阈值范围内的两个文字。

在本发明实施例中，服务器中可以预先存储有该阈值范围。或者，该阈值范围可以是根据实际情况设置的，本发明实施例对此不做限定。

可选的，该阈值范围可以为0.98至1，也即是，服务器可以去除文字识别结果以及标定文字结果中字形相似度较高的文字。

示例的，根据上述步骤203可知，文字识别结果中“装”，与标定文字结果中“装”的字形相似度较高，该文字识别结果中“饰”，与标定文字结果中“饰”的字形相似度较高。因此可以去除文字识别结果中的“装”，以及标定文字结果中的“装”两个字，并去除文字识别结果中的“饰”，以及标定文字结果中的“饰”两个字。

在本发明实施例中，通过在该文字识别结果以及该标定文字结果中去除字形相似度位于阈值范围内的两个文字，可以无需将字形相似度较高(例如文字识别结果中的一个文字与标定文字结果中的一个文字为同一个文字)的两个文字确定为对应关系对文字识别模型进行训练，从而减少了训练文字识别模型的训练时间，并且，通过去除字形相似度位于阈值范围内的文字，可以提高训练后的文字识别模型识别文字的准确性。

步骤205、获取该文字识别结果中每个文字的第一字向量，以及该标定文字结果中每个文字的第二字向量。

在本发明实施例中，服务器中可以存储有字向量模型，该字向量模型可以是基于样本数据训练得到的。该样本数据可以是指此次训练之前的文字识别模型获取到的样本文字图片的样本文字识别结果。

可选的，在训练该字向量模型时，服务器可以先获取较多的样本数据，再对获取的多个样本数据中的每个样本文字图片的样本文字识别结果，以及样本文字识别结果中每个文字的笔画序列进行模型训练，得到该字向量模型。该字向量模型可以用于生成字向量。并且，训练该字向量模型时，可以使差异较小(例如笔画序列相近)的文字的字向量相近，使差异较大(例如笔画序列差异较大)的文字的字向量差异较大。其中，该字向量模型可以为连续跳跃(skip-gram)模型。

当服务器通过此次训练前的文字识别模型获取文字图片的文字识别结果之后，可以将该文字识别结果中的每个文字输入至字向量模型，采用该字向量模型生成该文字识别结果中每个文字的第一字向量，之后，服务器即可从该字向量模型中获取到该文字识别结果中每个文字的第一字向量。

相应的，当服务器获取到标定文字结果之后，可以将该标定文字结果中的每个文字输入至字向量模型，采用该字向量模型生成该标定文字结果中每个文字的字向量，之后，服务器即可从该字向量模型中获取到该标定文字结果中每个文字的第二字向量。

示例的，服务器可以获取文字识别结果中“成”和“言”的第一字向量，也可以获取标定文字结果中“诚”和“信”的第二字向量。

其中，每个文字的字向量可以为能够唯一标识该文字的N维向量，N为大于1的正整数。例如，N可以为1000。若字向量模型生成的文字识别结果中该文字的第一字向量，与该字向量模型生成的标定文字结果中该文字的第二字向量相同，则服务器可以确定文字识别结果中的该文字与标定文字结果中的该文字为同一个文字。

步骤206、根据该第一字向量以及该第二字向量的余弦相似度确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。

在本发明实施例中，在获取到文字识别结果中每个文字的第一字向量，以及标定文字结果的第二字向量之后，可以根据该文字识别结果中每个文字的第一字向量，以及标定文字结果中每个文字的第二字向量的余弦相似度，确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。

其中，该余弦相似度也可以称为余弦相似性，余弦相似度可以用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小，也即是，可以通过计算两个向量的夹角余弦值来衡量两个向量的相似度。夹角余弦值越接近1，说明两个向量的夹角越接近0度，也即是，两个向量越相似。

可选的，夹角余弦值的计算公式可以为

其中，a可以为文字识别结果中一个文字的第一字向量，b可以为标定文字结果中一个文字的第二字向量，θ可以为第一字向量和第二字向量的夹角，a·b可以为第一字向量和第二字向量的点积，|a|可以为第一字向量的模，|b|可以为第二字向量的模。

示例的，假设每个文字的字向量为能够唯一标识该文字的2维向量，且字向量生成模型生成的文字识别结果中某个文字的第一字向量a为(x1，y1)，生成的标定文字结果中某个文字的第二字向量b为(x2，y2)，则该夹角余弦值可以为：

在本发明实施例中，余弦相似度较高的第一字向量和第二字向量，该第一字向量对应的一个字，和第二字向量对应的一个字相互对应。服务器根据余弦相似度确定出该第一字向量对应的一个字，与第二字向量对一个的一个字的对应关系。服务器确定出的对应关系可以为一组或多组。

示例的，服务器可以根据文字识别结果中“成”的第一字向量，以及标定文字结果中“诚”的第二字向量的余弦相似度，确定文字识别结果中的“成”与标定文字结果中的“诚”对应。服务器还可以根据文字识别结果中“言”的第一字向量，以及标定文字结果中“信”的第二字向量的余弦相似度，确定文字识别结果中的“言”与标定文字结果中的“信”对应。也即是，服务器确定出两组对应关系。

需要说明的是，服务器还可以根据该第一字向量以及该第二字向量的其他参数确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系，例如皮尔逊相关系数，欧几里得距离，曼哈顿距离，以及切比雪夫距离等。本发明实施例对此不做限定。

步骤207、以该对应关系为训练数据，对该文字识别模型进行训练，得到训练后的文字识别模型。

在本发明实施例中，服务器在获取到对应关系之后，可以以该对应关系为训练数据，基于获取的对应关系对文字识别模型进行训练，得到训练后的文字识别模型。

需要说明的是，可以在步骤206执行多次之后再执行步骤207，服务器可以在步骤206之后，对确定出的对应关系中的文字进行统计，若其中某些文字的统计次数小于次数阈值，则无需将这些文字作为对应关系中的文字，若其中某些文字的统计次数大于或等于次数阈值，则可以将这些文字作为对应关系中的文字，并执行步骤207。通过将统计次数较大的文字做为训练数据，对文字识别模型进行训练，可以提高训练后的文字识别模型识别文字的准确性。其中，该次数阈值可以是预先存储在服务器中，或者，也可以是根据实际情况设置的。

还需要说明的是，本发明实施例提供的文字识别方法的步骤的先后顺序可以进行适当调整，步骤也可以根据情况进行相应增减。例如，步骤203和步骤204可以根据情况删除。或者，步骤202可以在步骤201之前执行，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化的方法，都应涵盖在本申请的保护范围之内，因此不再赘述。

综上所述，本发明实施例提供了一种文字识别方法，该方法可以根据该文字识别结果中每个文字的第一字向量，以及该标定文字结果中每个文字的第二字向量的相似度，确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。将该对应关系作为训练数据对文字识别模型进行训练，从而得到训练后的文字识别模型。由于训练后的文字识别模型的训练数据为此次训练前的文字识别模型获取的文字识别结果中的文字，与标定文字结果中的文字的对应关系。因此采用训练后的文字识别模型识别文字图片中的文字时，可以较为准确的识别出文字，提高了文字识别的准确率。

并且，由于本发明实施例提供的文字识别方法可以从字形相似的角度生成字向量，弥补了当前针对汉字只能从语义角度或语音角度生成字向量的缺陷，为计算机科学领域与人工智能领域的研究提供更为多样化的工具。

图5是本发明实施例提供的一种文字识别装置的结构示意图。参考图5可以看出，该装置可以包括：

第一获取模块301，用于通过文字识别模型获取文字图片的文字识别结果。

第二获取模块302，用于获取该文字图片的标定文字结果。

第三获取模块303，用于获取该文字识别结果中每个文字的第一字向量，以及该标定文字结果中每个文字的第二字向量。

确定模块304，用于根据第一字向量以及第二字向量的相似度确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。

训练模块305，用于以对应关系为训练数据，对文字识别模型进行训练，得到训练后的文字识别模型。

可选的，图6是本发明实施例提供的另一种文字识别装置的结构示意图。参考图6可以看出，该装置还可以包括：

第四获取模块306，用于获取文字识别结果以及标定文字结果中每两个文字的字形相似度。

其中，该每两个文字中的一个文字为该文字识别结果中的文字，另一个文字为该标定文字结果中的文字。

去除模块307，用于当存在字形相似度位于阈值范围内的两个文字时，在该文字识别结果以及该标定文字结果中去除该字形相似度位于阈值范围内的两个文字。

可选的，该字形相似度包括笔画序列的相似度、偏旁部首序列的相似度、笔画编码序列的相似度、偏旁部首编码序列的相似度中的任意一种。

可选的，当字形相似度为笔画序列的相似度时，第四获取模块306，可以用于：

获取该文字识别结果以及该标定文字结果中每个文字的笔画序列。

根据该每个文字的笔画序列确定该每两个文字的字形相似度。

可选的，确定模块304，可以用于根据第一字向量以及第二字向量的余弦相似度确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。

综上所述，本发明实施例了一种文字识别装置，该装置可以根据该文字识别结果中每个文字的第一字向量，以及该标定文字结果中每个文字的第二字向量的相似度，确定该文字识别结果中每个文字与该标定文字结果中每个文字的对应关系。将该对应关系作为训练数据对文字识别模型进行训练，从而得到训练后的文字识别模型。由于训练后的文字识别模型的训练数据为文字识别模型获取的文字识别结果中的文字，与标定文字结果中的文字的一组或多组对应关系。因此采用训练后的文字识别模型识别文字图片中的文字时，可以较为准确的识别出文字，提高了文字识别的准确率。

图7是本发明实施例提供的一种计算机设备的结构示意图。该计算机设备400可以是：笔记本电脑或台式电脑。计算机设备400还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。或者，该计算机设备400还可以为服务器。

通常，计算机设备400包括有：处理器401和存储器402。

处理器401可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器401可以采用数字信号处理(digital signal processing，DSP)、现场可编程门阵列(field-programmable gate array，FPGA)、可编程逻辑阵列(programmable logic array，PLA)中的至少一种硬件形式来实现。处理器401也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(central processingunit，CPU)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器401可以在集成有图像处理器(graphics processing unit，GPU)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器401还可以包括人工智能(artificial intelligence，AI)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器402可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器402还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器402中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器401所执行以实现本申请中方法实施例提供的文字识别方法。

在一些实施例中，计算机设备400还可选包括有：外围设备接口403和至少一个外围设备。处理器401、存储器402和外围设备接口403之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口403相连。具体地，外围设备包括：射频电路404、触摸显示屏405、摄像头406、音频电路407、定位组件408和电源409中的至少一种。

外围设备接口403可被用于将输入/输出(input/output，I/O)相关的至少一个外围设备连接到处理器401和存储器402。在一些实施例中，处理器401、存储器402和外围设备接口403被集成在同一芯片或电路板上；在一些其他实施例中，处理器401、存储器402和外围设备接口403中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路404用于接收和发射射频(radio frequency，RF)信号，也称电磁信号。射频电路404通过电磁信号与通信网络以及其他通信设备进行通信。射频电路404将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路404包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路404可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或无线保真(wireless fidelity，WiFi)网络。在一些实施例中，射频电路404还可以包括近距离无线通信(near field communication，NFC)有关的电路，本申请对此不加以限定。

显示屏405用于显示用户界面(user interface，UI)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏405是触摸显示屏时，显示屏405还具有采集在显示屏405的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器401进行处理。此时，显示屏405还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏405可以为一个，设置计算机设备400的前面板；在另一些实施例中，显示屏405可以为至少两个，分别设置在计算机设备400的不同表面或呈折叠设计；在再一些实施例中，显示屏405可以是柔性显示屏，设置在计算机设备400的弯曲表面上或折叠面上。甚至，显示屏405还可以设置成非矩形的不规则图形，也即异形屏。显示屏405可以采用液晶显示屏(liquid crystal display，LCD)、有机发光二极管(organic light-emitting diode，OLED)等材质制备。

摄像头组件406用于采集图像或视频。可选地，摄像头组件406包括前置摄像头和后置摄像头。通常，前置摄像头设置在计算机设备的前面板，后置摄像头设置在计算机设备的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及虚拟现实(virtual reality，VR)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件406还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。

音频电路407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器401进行处理，或者输入至射频电路404以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在计算机设备400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器401或射频电路404的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路407还可以包括耳机插孔。

定位组件408用于定位计算机设备400的当前地理位置，以实现导航或基于位置的服务(location based service，LBS)。定位组件408可以是基于美国的全球定位系统(global positioning system，GPS)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。

电源409用于为计算机设备400中的各个组件进行供电。电源409可以是交流电、直流电、一次性电池或可充电电池。当电源409包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，计算机设备400还包括有一个或多个传感器410。该一个或多个传感器410包括但不限于：加速度传感器411、陀螺仪传感器412、压力传感器413、指纹传感器414、光学传感器415以及接近传感器416。

加速度传感器411可以检测以计算机设备400建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器411可以用于检测重力加速度在三个坐标轴上的分量。处理器401可以根据加速度传感器411采集的重力加速度信号，控制触摸显示屏405以横向视图或纵向视图进行用户界面的显示。加速度传感器411还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器412可以检测计算机设备400的机体方向及转动角度，陀螺仪传感器412可以与加速度传感器411协同采集用户对计算机设备400的3D动作。处理器401根据陀螺仪传感器412采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器413可以设置在计算机设备400的侧边框和/或触摸显示屏405的下层。当压力传感器413设置在计算机设备400的侧边框时，可以检测用户对计算机设备400的握持信号，由处理器401根据压力传感器413采集的握持信号进行左右手识别或快捷操作。当压力传感器413设置在触摸显示屏405的下层时，由处理器401根据用户对触摸显示屏405的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器414用于采集用户的指纹，由处理器401根据指纹传感器414采集到的指纹识别用户的身份，或者，由指纹传感器414根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器401授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器414可以被设置计算机设备400的正面、背面或侧面。当计算机设备400上设置有物理按键或厂商Logo时，指纹传感器414可以与物理按键或厂商Logo集成在一起。

光学传感器415用于采集环境光强度。在一个实施例中，处理器401可以根据光学传感器415采集的环境光强度，控制触摸显示屏405的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏405的显示亮度；当环境光强度较低时，调低触摸显示屏405的显示亮度。在另一个实施例中，处理器401还可以根据光学传感器415采集的环境光强度，动态调整摄像头组件406的拍摄参数。

接近传感器416，也称距离传感器，通常设置在计算机设备400的前面板。接近传感器416用于采集用户与计算机设备400的正面之间的距离。在一个实施例中，当接近传感器416检测到用户与计算机设备400的正面之间的距离逐渐变小时，由处理器401控制触摸显示屏405从亮屏状态切换为息屏状态；当接近传感器416检测到用户与计算机设备400的正面之间的距离逐渐变大时，由处理器401控制触摸显示屏405从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图7中示出的结构并不构成对计算机设备400的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

本发明实施例还提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由处理器加载并执行以实现如上述方法实施例所提供的文字识别方法。

以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种文字识别方法，其特征在于，所述方法包括：

通过文字识别模型获取文字图片的文字识别结果；

获取所述文字图片的标定文字结果；

获取所述文字识别结果中每个文字的第一字向量，以及所述标定文字结果中每个文字的第二字向量；

根据所述第一字向量以及所述第二字向量的相似度确定所述文字识别结果中每个文字与所述标定文字结果中每个文字的对应关系；

以所述对应关系为训练数据，对所述文字识别模型进行训练，得到训练后的文字识别模型。

2.根据权利要求1所述的方法，其特征在于，所述获取所述文字识别结果中每个文字的第一字向量，以及所述标定结果中每个文字的第二字向量之前，所述方法包括：

获取所述文字识别结果以及所述标定文字结果中每两个文字的字形相似度，所述每两个文字中的一个文字为所述文字识别结果中的文字，另一个文字为所述标定文字结果中的文字；

当存在字形相似度位于阈值范围内的两个文字时，在所述文字识别结果以及所述标定文字结果中去除所述字形相似度位于阈值范围内的两个文字。

3.根据权利要求2所述的方法，其特征在于，所述字形相似度包括笔画序列的相似度、偏旁部首序列的相似度、笔画编码序列的相似度、偏旁部首编码序列的相似度以及编辑距离中的任意一种。

4.根据权利要求3所述的方法，其特征在于，当所述字形相似度为所述笔画序列的相似度时，所述获取所述文字识别结果以及所述标定文字结果中每两个文字的字形相似度，包括：

获取所述文字识别结果以及所述标定文字结果中每个文字的笔画序列；

根据所述每个文字的笔画序列确定所述每两个文字的字形相似度。

5.根据权利要求1至4任一所述的方法，其特征在于，所述根据所述第一字向量以及所述第二字向量的相似度确定所述文字识别结果中每个文字与所述标定文字结果中每个文字的对应关系，包括：

根据所述第一字向量以及所述第二字向量的余弦相似度确定所述文字识别结果中每个文字与所述标定文字结果中每个文字的对应关系。

6.一种文字识别装置，其特征在于，所述装置包括：

第一获取模块，用于通过文字识别模型获取文字图片的文字识别结果；

第二获取模块，用于获取所述文字图片的标定文字结果；

第三获取模块，用于获取所述文字识别结果中每个文字的第一字向量，以及所述标定文字结果中每个文字的第二字向量；

确定模块，用于根据所述第一字向量以及所述第二字向量的相似度确定所述文字识别结果中每个文字与所述标定文字结果中每个文字的对应关系；

训练模块，用于以所述对应关系为训练数据，对所述文字识别模型进行训练，得到训练后的文字识别模型。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第四获取模块，用于获取所述文字识别结果以及所述标定文字结果中每两个文字的字形相似度，所述每两个文字中的一个文字为所述文字识别结果中的文字，另一个文字为所述标定文字结果中的文字；

去除模块，用于当存在字形相似度位于阈值范围内的两个文字时，在所述文字识别结果以及所述标定文字结果中去除所述字形相似度位于阈值范围内的两个文字。

8.根据权利要求6或7所述的装置，其特征在于，所述确定模块，用于：

根据所述第一字向量以及所述第二字向量的余弦相似度确定所述文字识别结果中每个文字与所述标定文字结果中每个文字的对应关系。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至5任一所述的文字识别方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至5任一所述的文字识别方法。