CN110674813A - 汉字识别方法、装置、计算机可读介质及电子设备 - Google Patents

汉字识别方法、装置、计算机可读介质及电子设备 Download PDF

Info

Publication number
CN110674813A
CN110674813A CN201910905533.7A CN201910905533A CN110674813A CN 110674813 A CN110674813 A CN 110674813A CN 201910905533 A CN201910905533 A CN 201910905533A CN 110674813 A CN110674813 A CN 110674813A
Authority
CN
China
Prior art keywords
chinese character
coding sequence
components
chinese
information base
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910905533.7A
Other languages
English (en)
Other versions
CN110674813B (zh
Inventor
周多友
王长虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201910905533.7A priority Critical patent/CN110674813B/zh
Publication of CN110674813A publication Critical patent/CN110674813A/zh
Application granted granted Critical
Publication of CN110674813B publication Critical patent/CN110674813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/28—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet
    • G06V30/287—Character recognition specially adapted to the type of the alphabet, e.g. Latin alphabet of Kanji, Hiragana or Katakana characters

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Character Discrimination (AREA)

Abstract

本公开涉及一种汉字识别方法、装置、计算机可读介质及电子设备。方法包括：接收客户端发送的待识别图像；确定待识别图像中待识别文字行的特征向量组，特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和；针对每个特征向量，从汉字信息库中各汉字对应的编码中，确定出与特征向量相似度最高的目标编码，编码用于表征对应汉字所包含的部件和部件间结构关系；将目标编码对应的汉字确定为目标汉字。由此，各特征向量的维度相对较低。这样，可以减少确定特征向量组时的计算工作量，并使得目标编码的获取更加快捷，从而提高了汉字识别的效率。此外，还可以达到节省存储空间的目的。

Description

汉字识别方法、装置、计算机可读介质及电子设备
技术领域
本公开涉及图像文字识别领域，具体地，涉及一种汉字识别方法、装置、计算机可读介质及电子设备。
背景技术
现阶段，汉字的编码大多采用独热码(one-hot code)方式，这样，汉字信息库中有7445个汉字和图形字符，则用于表示每个汉字和图形字符的编码的维度就有七千多个，是非常庞大且臃肿的编码方式。采用该种编码方式进行汉字识别时，由于编码维度较高，汉字识别过程较为费时，且需要占用较大的存储空间。
发明内容
提供该发明内容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。该发明内容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。
第一方面，本公开提供一种汉字识别方法，包括：接收客户端发送的待识别图像；确定所述待识别图像中待识别文字行的特征向量组，其中，所述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，所述特征向量中的各元素为所述所有汉字所包含的部件或部件间结构关系对应的概率值，所述部件包括偏旁和部首；针对每个所述特征向量，从所述汉字信息库中各汉字对应的编码中，确定出与所述特征向量相似度最高的目标编码，其中，所述编码用于表征对应汉字所包含的部件和部件间结构关系；将所述目标编码对应的汉字确定为目标汉字。
第二方面，本公开提供一种汉字识别装置，包括：接收模块，用于接收客户端发送的待识别图像；第一确定模块，用于确定所述接收模块接收到的所述待识别图像中待识别文字行的特征向量组，其中，所述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，所述特征向量中的各元素为所述所有汉字所包含的部件或部件间结构关系对应的概率值，所述部件包括偏旁和部首；第二确定模块，用于针对所述第一确定模块确定出的每个所述特征向量，从所述汉字信息库中各汉字对应的编码中，确定出与所述特征向量相似度最高的目标编码，其中，所述编码用于表征对应汉字所包含的部件和部件间结构关系；第三确定模块，用于将所述第二确定模块确定出的所述目标编码对应的汉字确定为目标汉字。
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，该程序被处理装置执行时实现本公开第一方面提供的所述方法的步骤。
第四方面，本公开提供一种电子设备，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，以实现本公开第一方面提供的所述方法的步骤。
在上述技术方案中，在从客户端获取到待识别图像后，首先确定上述待识别图像中待识别文字行的特征向量组；接下来，针对上述特征向量组中的各特征向量，从汉字信息库中各汉字对应的编码中，确定出与该特征向量相似度最高的目标编码；然后，将该目标编码对应的汉字确定为目标汉字。由于汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和远远小于该汉字信息库中的汉字总数，这样，各特征向量的维度相对较低。这样，可以减少确定特征向量组时的计算工作量，并使得目标编码的获取更加快捷，从而提高了汉字识别的效率。此外，还可以达到节省存储空间的目的。
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
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：
图1是根据一示例性实施例示出的一种实施环境的示意图。
图2是根据一示例性实施例示出的一种汉字识别方法的流程图。
图3是根据一示例性实施例示出的一种汉字编码方法的流程图。
图4是根据另一示例性实施例示出的一种汉字编码方法的流程图。
图5是根据一示例性实施例示出的一种获取预设神经网络模型的方法的流程图。
图6是根据另一示例性实施例示出的一种汉字识别方法的流程图。
图7是根据一示例性实施例示出的一种汉字识别装置的框图。
图8是根据一示例性实施例示出的一种模型训练装置的框图。
图9是根据另一示例性实施例示出的一种汉字识别装置的框图。
图10是根据一示例性实施例示出的一种编码装置的框图。
图11是根据另一示例性实施例示出的一种编码装置的框图。
图12是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
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。
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。
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”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
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。
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”。
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。
图1是根据一示例性实施例示出的一种实施环境的示意图。如图1所示，该实施环境可以包括服务器100和至少一个客户端200。
在本公开中，上述服务器100分别与每个客户端200进行通信连接，其中，二者可以例如经由2G网络、3G网络、4G网络、蓝牙、WIFI等进行通信，以完成数据传输。其中，当客户端200需要对任意一幅或多幅图像进行汉字识别时，可以向服务器100发送该一幅或多幅待识别图像；服务器100接收该待识别图像，并对其进行汉字识别。另外，上述客户端200可以例如是智能手机、平板电脑等，在本公开中不作具体限定。
具体来说，上述服务器100可以通过图2中所示的步骤201～步骤205来实现汉字识别。
在步骤201中，接收客户端发送的待识别图像。
在本公开中，当客户端200需要对任意一幅或多幅图像进行汉字识别时，可以向服务器100发送该一幅或多幅待识别图像；服务器100接收该待识别图像。
在步骤202中，确定待识别图像中待识别文字行的特征向量组。
在本公开中，上述文字行是指一行文字所对应的像素区域。在通过上述步骤201获取到待识别图像后，可以先对该待识别图像进行二值化处理，以得到该待识别图像的各个连通域；然后，对不满足第一统计特征的连通域进行过滤，其中，该第一统计特征是对标注好的样本中提取的连通域描述特征进行统计学习后得到的属于文字连通域的统计特征；最后，从过滤后的各个连通域中提取待识别图像中的文字行，即待识别文字行。
另外，上述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，特征向量中的各元素为汉字信息库中所有汉字所包含的部件或部件间结构关系对应的概率值，其中，上述部件包括偏旁和部首，部件间结构关系是从形态上将汉字的结构归纳为上下结构、左右结构以及其它结构(例如，上中下结构、左中右结构、全包围结构、半包围结构、穿插结构、品字形结构、独体结构等)。
示例地，上述汉字信息库中所有汉字所包含的部件数有300个、包含的部件间结构关系有50个，则上述特征向量组中各特征向量的维度为350。
并且，在本公开中，在提取出待识别文字行后，可以通过多种方式来确定待识别文字行的特征向量组。在一种实施方式中，可以通过获取待识别文字行中包含的各汉字的最小截图(其中，该最小截图包括当前汉字、该汉字可完整显示，便于进一步识别的最小面积的截图)；之后，可以针对每个最小截图，通过不同的识别方法(例如，OCR)对每个最小截图进行识别，从而得到每个最小截图对应的特征向量，从而得到特征向量组。
在另一种实施方式中，可以将待识别文字行输入到预设神经网络模型中，得到待识别文字行的特征向量组。
在本公开中，上述预设神经网络模型是根据汉字信息库中各汉字对应的编码构建的，其中，上述编码能够表征对应汉字所包含的部件和部件间结构关系。
在一种实施方式中，上述汉字信息库中各汉字对应的编码可以通过图3中所示的步骤301～步骤303来确定。
在步骤301中，针对汉字信息库中的每个汉字，获取该汉字所包含的部件和部件间结构关系。
在步骤302中，针对每个部件，将第一编码序列中、与该部件对应的元素值修改为第一比特值，得到第二编码序列。
在本公开中，上述第一编码序列可以为各元素值均为第二比特值的二进制比特序列，且部件结构集中的各部件或部件间结构关系分别与该第一编码序列中的各元素一一对应(即，第一编码序列的长度等于部件结构集中包含的元素个数)，其中，上述部件结构集可以为汉字信息库中所有汉字所包含的部件和部件间结构关系构成的集合。
另外，上述第一比特值为1，第二比特值为0；或者，第一比特值为0，第二比特值为1。
示例地，上述汉字信息库中所有汉字所包含的部件有300个、包含的部件间结构关系有50个，则第一编码序列的长度为350，其中，上述300个部件、50个部件间结构关系分别与该第一编码序列中的350个元素一一对应。
在步骤303中，针对每个部件间结构关系，将第二编码序列中、与部件间结构关系对应的元素值修改为第一比特值，得到汉字对应的编码。
下面举例说明如何通过上述步骤301～步骤303来对汉字信息库中各汉字进行编码。
示例地，上述汉字为“部”，通过上述步骤301获取到该汉字所包含的部件为“立”、“口”、“阝”，其中，各部件结构关系为左右结构+上下结构；之后，将第一编码序列中与“立”、“口”、“阝”这三个部件对应的元素值分别修改为第一比特值(例如，1)，得到第二编码序列；接下来，再将第二编码序列中与“左右结构”、“上下结构”对应的元素值分别修改为第一比特值(例如，1)，由此，可以得到汉字“部”对应的编码。
又示例地，上述汉字为“中”，通过上述步骤301获取到该汉字所包含的部件为“中”，并且，其部件结构关系为独体结构；之后，将第一编码序列中与“中”这个部件对应的元素值修改为第一比特值(例如，1)，得到第二编码序列；接下来，再将第二编码序列中与“独体结构”对应的元素值修改为第一比特值(例如，1)，由此，可以得到汉字“中”对应的编码。
在另一种实施方式中，首先，针对汉字信息库中的每个汉字，获取该汉字所包含的部件和部件间结构关系；然后，针对每个部件间结构关系，将第一编码序列中、与该部件间结构关系对应的元素值修改为第一比特值，得到第二编码序列；最后，针对每个部件，将第二编码序列中、与该部件对应的元素值修改为第一比特值，得到汉字对应的编码。
在又一种实施方式中，上述汉字信息库中各汉字对应的编码可以通过图4中所示的步骤401～步骤404来确定。
在步骤401中，针对汉字信息库中的每个汉字，获取该汉字所包含的部件和部件间结构关系。
在步骤402中，针对每个部件，将第三编码序列中、与该部件对应的元素值修改为第一比特值，得到第四编码序列。
在本公开中，上述第三编码序列为各元素值均为第二比特值的二进制比特序列，且部件集中的各部件分别与第三编码序列中的各元素一一对应，其中，上述部件集为汉字信息库中所有汉字所包含的部件构成的集合。
示例地，上述汉字信息库中所有汉字所包含的部件有300个，则第三编码序列的长度为300，其中，上述300个部件分别与该第三编码序列中的300个元素一一对应。
在步骤403中，针对每个部件间结构关系，将第五编码序列中、与该部件间结构关系对应的元素值修改为第一比特值，得到第六编码序列。
在本公开中，上述第五编码序列为各元素值均为第二比特值的二进制比特序列，且结构集中的各部件间结构关系分别与第五编码序列中的各元素一一对应，其中，上述结构集为汉字信息库中所有汉字所包含的部件间结构关系构成的集合。
示例地，上述汉字信息库中所有汉字所包含的部件间结构关系有50个，则第五编码序列的长度为50，其中，上述50个部件间结构关系分别与该第五编码序列中的50个元素一一对应。
在步骤404中，将第四编码序列和第六编码序列进行拼接，得到汉字对应的编码。
在本公开中，在通过上述步骤402得到第四编码序列、以及通过上述步骤403得到第六编码序列后，可以将第六编码序列拼接至第四编码序列的尾部，或者，将第四编码序列拼接在第六编码序列的尾部，从而得到上述汉字对应的编码。
另外，需要说明的是，上述步骤403可以在上述402之前执行，也可以在上述步骤402之后执行，还可以与上述步骤402同时执行，在本公开中不作具体限定。
下面举例说明如何通过上述步骤401～步骤404来对汉字信息库中各汉字进行编码。
示例地，上述汉字为“部”，通过上述步骤401获取到该汉字所包含的部件为“立”、“口”、“阝”，其中，各部件结构关系为左右结构+上下结构；之后，将第三编码序列中与“立”、“口”、“阝”这三个部件对应的元素值分别修改为第一比特值(例如，1)，得到第四编码序列，将第五编码序列中与“左右结构”、“上下结构”对应的元素值分别修改为第一比特值(例如，1)，得到第六编码序列；最后，将第四编码序列和第六编码序列拼接起来，由此，可以得到汉字“部”对应的编码。
又示例地，上述汉字为“中”，通过上述步骤401获取到该汉字所包含的部件为“中”，并且，其部件结构关系为独体结构；之后，将第三编码序列中与“中”这个部件对应的元素值修改为第一比特值(例如，1)，得到第四编码序列，将第五编码序列中与“独体结构”对应的元素值修改为第一比特值(例如，1)，得到四六编码序列；最后，将第四编码序列和第六编码序列拼接起来，由此，可以得到汉字“中”对应的编码。
此外，上述部件间结构关系可以有多种不同的划分规则，例如：“凶”，可以定义为是独体结构，也可以定义为上下结构；“逃”，可以定义为上下结构，也可以定义为左右结构等。
另外，上述预设神经网络模型可以为卷积神经网络模型，也可以为卷积神经网络模型与循环神经网络模型相结合的模型，对此，在本公开中不作具体限定。另外，可以通过图5中所示的步骤501～步骤503来获取该预设神经网络模型。
在步骤501中，获取多个训练样本图像。
在本公开中，各训练样本图像中分别包括至少一个汉字。并且，可以通过多种方式来获取该训练样本图像。
在一种实施方式中，可以通过人工标记获取，即通过拍摄等方式获取到多个训练样本图像，对每个训练样本图像中包括的字符进行人工标记。
然而，由于训练过程通常需要大量的训练样本图像，人工标记的方式往往效率很低，并且，人力成本较高。因此，为了提高效率并且减少人力成本，在另一种实施方式中，可以从汉字信息库中抽取一个或多个汉字图像，根据该一个或多个汉字图像生成训练样本图像，其中，每个汉字图像可以包括一个或多个汉字。
在步骤502中，将多个训练样本图像中的文字行输入到初始神经网络模型中，得到初始神经网络模型的输出结果。
在本公开中，上述初始神经网络模型中具有至少一层卷积层、且至少一层卷积层的卷积核数量根据上述编码的长度确定，其中，上述至少一层包括最后一层(即，初始神经网络模型的最后一层卷积层的卷积核数量是根据上述编码的长度确定的)，编码的长度等于上述特征向量的维度，并且，特征向量的各元素与上述编码中的每一位一一对应。
具体来说，初始神经网络模型可以包括至少一个卷积层、至少一个池化层和至少一个全连接层。其中，卷积层可以用于根据卷积核的大小和步长扫描训练样本图像，以对该训练样本图像中文字行进行特征提取和特征映射；池化层，可以用于对卷积后的特征图进行压缩，包括使特征图变小，简化网络计算复杂度以及进行特征压缩，提取主要特征；全连接层可以用于连接所有的特征，对特征进行重新拟合，减少特征信息的丢失。并且，上述初始神经网络模型的层数量、层中的节点结构以及进行卷积运算所使用的卷积核可以是适应于上述编码而构建。示例地，对于最后一层卷积层的节点数量和卷积核数量等参数，可以参考上述编码的长度而设定。例如，可以将初始神经网络模型的最后一层的卷积层的节点数量对应设置为该编码的长度。
在通过上述步骤501获取到多个训练样本图像后，可以将该多个训练样本图像中文字行作为初始神经网络模型的训练数据，而将该多个训练样本图像中文字行分别对应的识别正确的特征向量组作为标记数据，从而对上述初始神经网络模型进行训练。其中，对初始神经网络进行训练是为了获得该初始神经网络模型中的相关参数，例如卷积核的大小、卷积核的移动步长等等。
在步骤503中，根据输出结果和标记数据的比对结果，对初始神经网络模型进行训练，得到预设神经网络模型。
在通过上述步骤502得到初始神经网络模型的输出结果后，可以将该输出结果和标记数据进行比对，例如，通过余弦距离或欧式距离来衡量二者之间的相似度，利用输出结果和标记结果之间的差异对网络收敛程度进行衡量，在上述差异大于或等于预设差异阈值或者训练次数未达到训练次数要求时，对上述模型进行反复训练，直到上述差异小于预设差异阈值或者训练次数达到训练次数要求时，停止训练，从而得到预设神经网络模型。其中，上述预设差异阈值可以是用户设定的值，也可以是默认的经验值，在本公开中不作具体限定。
返回图2，在步骤203中，针对特征向量组中的每个特征向量，从汉字信息库中各汉字对应的编码中，确定出与特征向量相似度最高的目标编码。
在本公开中，特征向量的维数与上述编码的长度相等，这里，针对每个特征向量，可以计算其与汉字信息库中各汉字对应的编码之间的相似度，并将汉字信息库中各汉字对应的编码中、与该特征向量相似度最高的编码确定为目标编码。示例地，可以通过欧式距离或余弦距离来衡量上述特征向量与汉字信息库中各汉字对应的编码之间相似度。
在步骤204中，将目标编码对应的汉字确定为目标汉字。
在本公开中，汉字信息库中存储有各汉字对应的编码，因此，在通过上述步骤204获取到目标编码后，通过访问汉字信息库中的相应存储模块即可查找到与该目标编码对应的汉字，即目标汉字。由此，可以得到多个目标汉字。
在上述技术方案中，在从客户端获取到待识别图像后，首先确定上述待识别图像中待识别文字行的特征向量组；接下来，针对上述特征向量组中的各特征向量，从汉字信息库中各汉字对应的编码中，确定出与该特征向量相似度最高的目标编码；然后，将该目标编码对应的汉字确定为目标汉字。由于汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和远远小于该汉字信息库中的汉字总数，这样，各特征向量的维度相对较低。这样，可以减少确定特征向量组时的计算工作量，并使得目标编码的获取更加快捷，从而提高了汉字识别的效率。此外，还可以达到节省存储空间的目的。
图6是根据一示例性实施例示出的一种汉字识别方法的流程图。参照图6，上述方法还可以包括以下步骤205和步骤206。
在步骤205中，将各目标汉字按照相应像素点在待识别汉字行中的顺序进行排列，得到待识别汉字行中包括的至少一个汉字。
在本公开中，在通过上述步骤204获取到多个目标汉字后，可以将各目标汉字按照相应像素点在上述待识别文字行中的先后顺序进行排列，从而得到上述待识别汉字行中包括的至少一个汉字。
在步骤206中，将至少一个汉字发送至客户端，以由该客户端进行展现。
在通过上述步骤205获取到上述待识别汉字行中包括的至少一个汉字后，可以将其发送至客户端，以由该客户端进行展现。这样，用户通过该客户端可以直接获取到与上述待识别图像对应的字符串，方便快捷。
图7是根据一示例性示出的一种汉字识别装置的框图。参照图7，该装置700包括：接收模块701，用于接收客户端发送的待识别图像；第一确定模块，用于确定所述接收模块701接收到的所述待识别图像中待识别文字行的特征向量组，其中，所述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，所述特征向量中的各元素为所述所有汉字所包含的部件或部件间结构关系对应的概率值，所述部件包括偏旁和部首；第二确定模块703，用于针对所述第一确定模块702确定出的每个所述特征向量，从所述汉字信息库中各汉字对应的编码中，确定出与所述特征向量相似度最高的目标编码；第三确定模块704，用于将所述第二确定模块703确定出的所述目标编码对应的汉字确定为目标汉字。
可选地，所述第一确定模块702用于：将所述接收模块701接收到的所述待识别图像中待识别文字行输入到预设神经网络模型中，得到所述待识别文字行的特征向量组，其中，所述预设神经网络模型根据汉字信息库中各汉字对应的编码构建。
图8是根据一示例性实施例示出的一种模型训练装置的框图。参照图8，该装置800包括：第一获取模块801，用于获取多个训练样本图像；第二获取模块802，用于将所述第一获取模块801获取到的所述多个训练样本图像中文字行输入到初始神经网络模型中，得到所述初始神经网络模型的输出结果，其中，所述初始神经网络模型中具有至少一层卷积层、且至少一层卷积层的卷积核数量根据所述编码的长度确定，所述至少一层包括最后一层，所述卷积层用于根据卷积核的大小和步长扫描所述训练样本图像，以对所述训练样本图像中文字行进行特征提取和特征映射，所述长度等于所述维度；训练模块803，用于根据所述第二获取模块802得到的所述输出结果和标记数据的比对结果，对所述初始神经网络模型进行训练，得到预设神经网络模型，其中，所述标记数据为与所述多个训练样本图像中文字行分别对应的识别正确的特征向量组。
另外，需要说明的是，该模型训练装置800可以与上述汉字识别装置700相互独立，也可以集成于该汉字识别装置700内，在本公开中不作具体限定。
图9是根据另一示例性实施例示出的一种汉字识别装置的框图。参照图9，上述汉字识别装置700还可以包括：排序模块705，用于将所述第三确定模块704确定出的各所述目标汉字按照相应像素点在待识别汉字行中的顺序进行排列，得到所述待识别汉字行中包括的至少一个汉字；发送模块706，用于将所述排序模块705得到的所述至少一个汉字发送至所述客户端，以由所述客户端进行展现。
图10是根据一示例性实施例示出的一种编码装置的框图。参照图10，该装置1000包括：第三获取模块1001，用于针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；第四确定模块1002，用于针对所述第三获取模块1001获得的每个所述部件，将第一编码序列中、与所述部件对应的元素值修改为第一比特值，得到第二编码序列，其中，所述第一编码序列为各元素值均为第二比特值的二进制比特序列，且部件结构集中的各部件或部件间结构关系分别与所述第一编码序列中的各元素一一对应，所述部件结构集为所述汉字信息库中所有汉字所包含的部件和部件间结构关系构成的集合；第五确定模块1003，用于针对所述第三获取模块1001获得的每个所述部件间结构关系，将所述第四确定模块1002得到的所述第二编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到所述汉字对应的编码。
图11是根据另一示例性实施例示出的一种编码装置的框图。参照图11，该装置1000包括：第三获取模块1001，用于针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；第六确定模块1004，用于针对所述第三获取模块1001获得的每个所述部件，将第三编码序列中、与所述部件对应的元素值修改为第一比特值，得到第四编码序列，其中，所述第三编码序列为各元素值均为第二比特值的二进制比特序列，且部件集中的各部件分别与所述第三编码序列中的各元素一一对应，所述部件集为所述汉字信息库中所有汉字所包含的部件构成的集合；第七确定模块1005，用于针对所述第三获取模块1001获得的每个所述部件间结构关系，将第五编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到第六编码序列，其中，所述第五编码序列为各元素值均为所述第二比特值的二进制比特序列，且结构集中的各部件间结构关系分别与所述第五编码序列中的各元素一一对应，所述结构集为所述汉字信息库中所有汉字所包含的部件间结构关系构成的集合；拼接模块1006，用于将所述第六确定模块1004得到的所述第四编码序列和所述第七确定模块1005得到的所述第六编码序列进行拼接，得到所述汉字对应的编码。
另外，需要说明的是，该编码装置1000可以与上述汉字识别装置700相互独立，也可以集成于该汉字识别装置700内，在本公开中不作具体限定。
本公开还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开提供的上述汉字识别方法的步骤。
下面参考图12，其示出了适于用来实现本公开实施例的电子设备(例如图1中的服务器100)600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图12示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图12所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图12示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收客户端发送的待识别图像；确定所述待识别图像中待识别文字行的特征向量组，其中，所述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，所述特征向量中的各元素为所述所有汉字所包含的部件或部件间结构关系对应的概率值，所述部件包括偏旁和部首；针对每个所述特征向量，从所述汉字信息库中各汉字对应的编码中，确定出与所述特征向量相似度最高的目标编码，其中，所述编码用于表征对应汉字所包含的部件和部件间结构关系；将所述目标编码对应的汉字确定为目标汉字。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取多个训练样本图像的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种汉字识别方法，包括：接收客户端发送的待识别图像；确定所述待识别图像中待识别文字行的特征向量组，其中，所述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，所述特征向量中的各元素为所述所有汉字所包含的部件或部件间结构关系对应的概率值，所述部件包括偏旁和部首；针对每个所述特征向量，从所述汉字信息库中各汉字对应的编码中，确定出与所述特征向量相似度最高的目标编码，其中，所述编码用于表征对应汉字所包含的部件和部件间结构关系；将所述目标编码对应的汉字确定为目标汉字。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述确定所述待识别图像中待识别文字行的特征向量组，包括：将所述待识别图像中待识别文字行输入到预设神经网络模型中，得到所述待识别文字行的特征向量组，其中，所述预设神经网络模型根据所述汉字信息库中各汉字对应的编码构建。
根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述预设神经网络模型根据汉字信息库中各汉字对应的编码，通过以下步骤来构建：获取多个训练样本图像；将所述多个训练样本图像中文字行输入到初始神经网络模型中，得到所述初始神经网络模型的输出结果，其中，所述初始神经网络模型中具有至少一层卷积层、且至少一层卷积层的卷积核数量根据所述编码的长度确定，所述至少一层包括最后一层，所述卷积层用于根据卷积核的大小和步长扫描所述训练样本图像，以对所述训练样本图像中文字行进行特征提取和特征映射，所述长度等于所述维度；根据所述输出结果和标记数据的比对结果，对所述初始神经网络模型进行训练，得到预设神经网络模型，其中，所述标记数据为与所述多个训练样本图像中文字行分别对应的识别正确的特征向量组。
根据本公开的一个或多个实施例，示例4提供了示例1的方法，所述方法还包括：将各所述目标汉字按照相应像素点在待识别汉字行中的顺序进行排列，得到所述待识别汉字行中包括的至少一个汉字；将所述至少一个汉字发送至所述客户端，以由所述客户端进行展现。
根据本公开的一个或多个实施例，示例5提供了示例1-4中任一项所述的方法，所述汉字信息库中各汉字对应的编码通过以下方式来确定：针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；针对每个所述部件，将第一编码序列中、与所述部件对应的元素值修改为第一比特值，得到第二编码序列，其中，所述第一编码序列为各元素值均为第二比特值的二进制比特序列，且部件结构集中的各部件或部件间结构关系分别与所述第一编码序列中的各元素一一对应，所述部件结构集为所述汉字信息库中所有汉字所包含的部件和部件间结构关系构成的集合；针对每个所述部件间结构关系，将所述第二编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到所述汉字对应的编码。
根据本公开的一个或多个实施例，示例6提供了示例1-4中任一项所述的方法，所述汉字信息库中各汉字对应的编码通过以下方式来确定：针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；针对每个所述部件，将第三编码序列中、与所述部件对应的元素值修改为第一比特值，得到第四编码序列，其中，所述第三编码序列为各元素值均为第二比特值的二进制比特序列，且部件集中的各部件分别与所述第三编码序列中的各元素一一对应，所述部件集为所述汉字信息库中所有汉字所包含的部件构成的集合；针对每个所述部件间结构关系，将第五编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到第六编码序列，其中，所述第五编码序列为各元素值均为所述第二比特值的二进制比特序列，且结构集中的各部件间结构关系分别与所述第五编码序列中的各元素一一对应，所述结构集为所述汉字信息库中所有汉字所包含的部件间结构关系构成的集合；将所述第四编码序列和所述第六编码序列进行拼接，得到所述汉字对应的编码。
根据本公开的一个或多个实施例，示例7提供了一种汉字识别装置，包括：接收模块，用于接收客户端发送的待识别图像；第一确定模块，用于确定所述接收模块接收到的所述待识别图像中待识别文字行的特征向量组，其中，所述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，所述特征向量中的各元素为所述所有汉字所包含的部件或部件间结构关系对应的概率值，所述部件包括偏旁和部首；第二确定模块，用于针对所述第一确定模块确定出的每个所述特征向量，从所述汉字信息库中各汉字对应的编码中，确定出与所述特征向量相似度最高的目标编码，其中，所述编码用于表征对应汉字所包含的部件和部件间结构关系；第三确定模块，用于将所述第二确定模块确定出的所述目标编码对应的汉字确定为目标汉字。
根据本公开的一个或多个实施例，示例8提供了示例7的装置，所述第一确定模块用于：将所述接收模块接收到的所述待识别图像中待识别文字行输入到预设神经网络模型中，得到所述待识别文字行的特征向量组，其中，所述预设神经网络模型根据汉字信息库中各汉字对应的编码构建。
根据本公开的一个或多个实施例，示例9提供了示例8的装置，所述预设神经网络模型是通过模型训练装置根据汉字信息库中各汉字对应的编码构建的，其中，所述模型训练装置包括：第一获取模块，用于获取多个训练样本图像；第二获取模块，用于将所述第一获取模块获取到的所述多个训练样本图像中文字行输入到初始神经网络模型中，得到所述初始神经网络模型的输出结果，其中，所述初始神经网络模型中具有至少一层卷积层、且至少一层卷积层的卷积核数量根据所述编码的长度确定，所述至少一层包括最后一层，所述卷积层用于根据卷积核的大小和步长扫描所述训练样本图像，以对所述训练样本图像中文字行进行特征提取和特征映射，所述长度等于所述维度；训练模块，用于根据所述第二获取模块得到的所述输出结果和标记数据的比对结果，对所述初始神经网络模型进行训练，得到预设神经网络模型，其中，所述标记数据为与所述多个训练样本图像中文字行分别对应的识别正确的特征向量组。
根据本公开的一个或多个实施例，示例10提供了示例7的装置，所述装置还包括：排序模块，用于将所述第三确定模块确定出的各所述目标汉字按照相应像素点在待识别汉字行中的顺序进行排列，得到所述待识别汉字行中包括的至少一个汉字；发送模块，用于将所述排序模块得到的所述至少一个汉字发送至所述客户端，以由所述客户端进行展现。
根据本公开的一个或多个实施例，示例11提供了示例7-10中任一项所述的装置，所述汉字信息库中各汉字对应的编码是通过编码装置来确定的，其中，所述编码装置包括：第三获取模块，用于针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；第四确定模块，用于针对所述第三获取模块获得的每个所述部件，将第一编码序列中、与所述部件对应的元素值修改为第一比特值，得到第二编码序列，其中，所述第一编码序列为各元素值均为第二比特值的二进制比特序列，且部件结构集中的各部件或部件间结构关系分别与所述第一编码序列中的各元素一一对应，所述部件结构集为所述汉字信息库中所有汉字所包含的部件和部件间结构关系构成的集合；第五确定模块，用于针对所述第三获取模块获得的每个所述部件间结构关系，将所述第四确定模块得到的所述第二编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到所述汉字对应的编码。
根据本公开的一个或多个实施例，示例12提供了示例7-10中任一项所述的装置，所述汉字信息库中各汉字对应的编码是通过编码装置来确定的，其中，所述编码装置包括：第三获取模块，用于针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；第六确定模块，用于针对所述第三获取模块获得的每个所述部件，将第三编码序列中、与所述部件对应的元素值修改为第一比特值，得到第四编码序列，其中，所述第三编码序列为各元素值均为第二比特值的二进制比特序列，且部件集中的各部件分别与所述第三编码序列中的各元素一一对应，所述部件集为所述汉字信息库中所有汉字所包含的部件构成的集合；第七确定模块，用于针对所述第三获取模块获得的每个所述部件间结构关系，将第五编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到第六编码序列，其中，所述第五编码序列为各元素值均为所述第二比特值的二进制比特序列，且结构集中的各部件间结构关系分别与所述第五编码序列中的各元素一一对应，所述结构集为所述汉字信息库中所有汉字所包含的部件间结构关系构成的集合；拼接模块，用于将所述第六确定模块得到的所述第四编码序列和所述第七确定模块得到的所述第六编码序列进行拼接，得到所述汉字对应的编码。
根据本公开的一个或多个实施例，示例13提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1-6中任一项所述方法的步骤。
根据本公开的一个或多个实施例，示例14提供了一种电子设备，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，以实现示例1-6中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (14)

1.一种汉字识别方法，其特征在于，包括：
接收客户端发送的待识别图像；
确定所述待识别图像中待识别文字行的特征向量组，其中，所述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，所述特征向量中的各元素为所述所有汉字所包含的部件或部件间结构关系对应的概率值，所述部件包括偏旁和部首；
针对每个所述特征向量，从所述汉字信息库中各汉字对应的编码中，确定出与所述特征向量相似度最高的目标编码，其中，所述编码用于表征对应汉字所包含的部件和部件间结构关系；
将所述目标编码对应的汉字确定为目标汉字。
2.根据权利要求1所述的方法，其特征在于，所述确定所述待识别图像中待识别文字行的特征向量组，包括：
将所述待识别图像中待识别文字行输入到预设神经网络模型中，得到所述待识别文字行的特征向量组，其中，所述预设神经网络模型根据所述汉字信息库中各汉字对应的编码构建。
3.根据权利要求2所述的方法，其特征在于，所述预设神经网络模型根据汉字信息库中各汉字对应的编码，通过以下步骤来构建：
获取多个训练样本图像；
将所述多个训练样本图像中文字行输入到初始神经网络模型中，得到所述初始神经网络模型的输出结果，其中，所述初始神经网络模型中具有至少一层卷积层、且至少一层卷积层的卷积核数量根据所述编码的长度确定，所述至少一层包括最后一层，所述卷积层用于根据卷积核的大小和步长扫描所述训练样本图像，以对所述训练样本图像中文字行进行特征提取和特征映射，所述长度等于所述维度；
根据所述输出结果和标记数据的比对结果，对所述初始神经网络模型进行训练，得到预设神经网络模型，其中，所述标记数据为与所述多个训练样本图像中文字行分别对应的识别正确的特征向量组。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将各所述目标汉字按照相应像素点在待识别汉字行中的顺序进行排列，得到所述待识别汉字行中包括的至少一个汉字；
将所述至少一个汉字发送至所述客户端，以由所述客户端进行展现。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述汉字信息库中各汉字对应的编码通过以下方式来确定：
针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；
针对每个所述部件，将第一编码序列中、与所述部件对应的元素值修改为第一比特值，得到第二编码序列，其中，所述第一编码序列为各元素值均为第二比特值的二进制比特序列，且部件结构集中的各部件或部件间结构关系分别与所述第一编码序列中的各元素一一对应，所述部件结构集为所述汉字信息库中所有汉字所包含的部件和部件间结构关系构成的集合；
针对每个所述部件间结构关系，将所述第二编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到所述汉字对应的编码。
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述汉字信息库中各汉字对应的编码通过以下方式来确定：
针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；
针对每个所述部件，将第三编码序列中、与所述部件对应的元素值修改为第一比特值，得到第四编码序列，其中，所述第三编码序列为各元素值均为第二比特值的二进制比特序列，且部件集中的各部件分别与所述第三编码序列中的各元素一一对应，所述部件集为所述汉字信息库中所有汉字所包含的部件构成的集合；
针对每个所述部件间结构关系，将第五编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到第六编码序列，其中，所述第五编码序列为各元素值均为所述第二比特值的二进制比特序列，且结构集中的各部件间结构关系分别与所述第五编码序列中的各元素一一对应，所述结构集为所述汉字信息库中所有汉字所包含的部件间结构关系构成的集合；
将所述第四编码序列和所述第六编码序列进行拼接，得到所述汉字对应的编码。
7.一种汉字识别装置，其特征在于，包括：
接收模块，用于接收客户端发送的待识别图像；
第一确定模块，用于确定所述接收模块接收到的所述待识别图像中待识别文字行的特征向量组，其中，所述特征向量组中各特征向量的维度为汉字信息库中所有汉字所包含的部件数和部件间结构关系数之和，所述特征向量中的各元素为所述所有汉字所包含的部件或部件间结构关系对应的概率值，所述部件包括偏旁和部首；
第二确定模块，用于针对所述第一确定模块确定出的每个所述特征向量，从所述汉字信息库中各汉字对应的编码中，确定出与所述特征向量相似度最高的目标编码，其中，所述编码用于表征对应汉字所包含的部件和部件间结构关系；
第三确定模块，用于将所述第二确定模块确定出的所述目标编码对应的汉字确定为目标汉字。
8.根据权利要求7所述的装置，其特征在于，所述第一确定模块用于：将所述接收模块接收到的所述待识别图像中待识别文字行输入到预设神经网络模型中，得到所述待识别文字行的特征向量组，其中，所述预设神经网络模型根据汉字信息库中各汉字对应的编码构建。
9.根据权利要求8所述的装置，其特征在于，所述预设神经网络模型是通过模型训练装置根据汉字信息库中各汉字对应的编码构建的，其中，所述模型训练装置包括：
第一获取模块，用于获取多个训练样本图像；
第二获取模块，用于将所述第一获取模块获取到的所述多个训练样本图像中文字行输入到初始神经网络模型中，得到所述初始神经网络模型的输出结果，其中，所述初始神经网络模型中具有至少一层卷积层、且至少一层卷积层的卷积核数量根据所述编码的长度确定，所述至少一层包括最后一层，所述卷积层用于根据卷积核的大小和步长扫描所述训练样本图像，以对所述训练样本图像中文字行进行特征提取和特征映射，所述长度等于所述维度；
训练模块，用于根据所述第二获取模块得到的所述输出结果和标记数据的比对结果，对所述初始神经网络模型进行训练，得到预设神经网络模型，其中，所述标记数据为与所述多个训练样本图像中文字行分别对应的识别正确的特征向量组。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括：
排序模块，用于将所述第三确定模块确定出的各所述目标汉字按照相应像素点在待识别汉字行中的顺序进行排列，得到所述待识别汉字行中包括的至少一个汉字；
发送模块，用于将所述排序模块得到的所述至少一个汉字发送至所述客户端，以由所述客户端进行展现。
11.根据权利要求7-10中任一项所述的装置，其特征在于，所述汉字信息库中各汉字对应的编码是通过编码装置来确定的，其中，所述编码装置包括：
第三获取模块，用于针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；
第四确定模块，用于针对所述第三获取模块获得的每个所述部件，将第一编码序列中、与所述部件对应的元素值修改为第一比特值，得到第二编码序列，其中，所述第一编码序列为各元素值均为第二比特值的二进制比特序列，且部件结构集中的各部件或部件间结构关系分别与所述第一编码序列中的各元素一一对应，所述部件结构集为所述汉字信息库中所有汉字所包含的部件和部件间结构关系构成的集合；
第五确定模块，用于针对所述第三获取模块获得的每个所述部件间结构关系，将所述第四确定模块得到的所述第二编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到所述汉字对应的编码。
12.根据权利要求7-10中任一项所述的装置，其特征在于，所述汉字信息库中各汉字对应的编码是通过编码装置来确定的，其中，所述编码装置包括：
第三获取模块，用于针对所述汉字信息库中的每个汉字，获取所述汉字所包含的部件和部件间结构关系；
第六确定模块，用于针对所述第三获取模块获得的每个所述部件，将第三编码序列中、与所述部件对应的元素值修改为第一比特值，得到第四编码序列，其中，所述第三编码序列为各元素值均为第二比特值的二进制比特序列，且部件集中的各部件分别与所述第三编码序列中的各元素一一对应，所述部件集为所述汉字信息库中所有汉字所包含的部件构成的集合；
第七确定模块，用于针对所述第三获取模块获得的每个所述部件间结构关系，将第五编码序列中、与所述部件间结构关系对应的元素值修改为所述第一比特值，得到第六编码序列，其中，所述第五编码序列为各元素值均为所述第二比特值的二进制比特序列，且结构集中的各部件间结构关系分别与所述第五编码序列中的各元素一一对应，所述结构集为所述汉字信息库中所有汉字所包含的部件间结构关系构成的集合；
拼接模块，用于将所述第六确定模块得到的所述第四编码序列和所述第七确定模块得到的所述第六编码序列进行拼接，得到所述汉字对应的编码。
13.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-6中任一项所述方法的步骤。
14.一种电子设备，其特征在于，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，以实现权利要求1-6中任一项所述方法的步骤。
CN201910905533.7A 2019-09-24 2019-09-24 汉字识别方法、装置、计算机可读介质及电子设备 Active CN110674813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910905533.7A CN110674813B (zh) 2019-09-24 2019-09-24 汉字识别方法、装置、计算机可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910905533.7A CN110674813B (zh) 2019-09-24 2019-09-24 汉字识别方法、装置、计算机可读介质及电子设备

Publications (2)

Publication Number Publication Date
CN110674813A true CN110674813A (zh) 2020-01-10
CN110674813B CN110674813B (zh) 2022-04-05

Family

ID=69078615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910905533.7A Active CN110674813B (zh) 2019-09-24 2019-09-24 汉字识别方法、装置、计算机可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN110674813B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680513A (zh) * 2020-05-29 2020-09-18 平安银行股份有限公司 特征信息的识别方法、装置及计算机可读存储介质
CN112487762A (zh) * 2020-12-01 2021-03-12 苏州英特雷真智能科技有限公司 一种基于汉字音意结构汉字编码的自然语言处理方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393850A (zh) * 2011-07-22 2012-03-28 镇江诺尼基智能技术有限公司 一种汉字字形认知相似度计算方法
CN103324929A (zh) * 2013-06-25 2013-09-25 天津师范大学 基于子结构学习的手写中文识别方法
US20140022180A1 (en) * 2010-09-14 2014-01-23 Beijing Farfir Intellectual Property Agency Method for Inputting and Searching Chinese Characters with Easy-Strokes
CN105320971A (zh) * 2014-06-09 2016-02-10 株式会社日立信息通信工程 字符识别装置和字符识别方法
CN105608454A (zh) * 2015-12-21 2016-05-25 上海交通大学 基于文字结构部件检测神经网络的文字检测方法及系统
CN105678292A (zh) * 2015-12-30 2016-06-15 成都数联铭品科技有限公司 基于卷积及递归神经网络的复杂光学文字序列识别系统
TWI607387B (zh) * 2016-11-25 2017-12-01 財團法人工業技術研究院 字符辨識系統及其字符辨識方法
CN110070042A (zh) * 2019-04-23 2019-07-30 北京字节跳动网络技术有限公司 文字识别方法、装置和电子设备
CN110119441A (zh) * 2019-05-16 2019-08-13 厦门商集网络科技有限责任公司 基于汉字结构的文字点选验证码识别与填入方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140022180A1 (en) * 2010-09-14 2014-01-23 Beijing Farfir Intellectual Property Agency Method for Inputting and Searching Chinese Characters with Easy-Strokes
CN102393850A (zh) * 2011-07-22 2012-03-28 镇江诺尼基智能技术有限公司 一种汉字字形认知相似度计算方法
CN103324929A (zh) * 2013-06-25 2013-09-25 天津师范大学 基于子结构学习的手写中文识别方法
CN105320971A (zh) * 2014-06-09 2016-02-10 株式会社日立信息通信工程 字符识别装置和字符识别方法
CN105608454A (zh) * 2015-12-21 2016-05-25 上海交通大学 基于文字结构部件检测神经网络的文字检测方法及系统
CN105678292A (zh) * 2015-12-30 2016-06-15 成都数联铭品科技有限公司 基于卷积及递归神经网络的复杂光学文字序列识别系统
TWI607387B (zh) * 2016-11-25 2017-12-01 財團法人工業技術研究院 字符辨識系統及其字符辨識方法
CN110070042A (zh) * 2019-04-23 2019-07-30 北京字节跳动网络技术有限公司 文字识别方法、装置和电子设备
CN110119441A (zh) * 2019-05-16 2019-08-13 厦门商集网络科技有限责任公司 基于汉字结构的文字点选验证码识别与填入方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王东 等: "一种新颖的汉字字形相似度计算方法", 《计算机应用研究》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680513A (zh) * 2020-05-29 2020-09-18 平安银行股份有限公司 特征信息的识别方法、装置及计算机可读存储介质
CN111680513B (zh) * 2020-05-29 2024-03-29 平安银行股份有限公司 特征信息的识别方法、装置及计算机可读存储介质
CN112487762A (zh) * 2020-12-01 2021-03-12 苏州英特雷真智能科技有限公司 一种基于汉字音意结构汉字编码的自然语言处理方法
CN112487762B (zh) * 2020-12-01 2024-04-02 苏州英特雷真智能科技有限公司 一种基于汉字音意结构汉字编码的自然语言处理方法

Also Published As

Publication number Publication date
CN110674813B (zh) 2022-04-05

Similar Documents

Publication Publication Date Title
CN110659639B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN110413812B (zh) 神经网络模型的训练方法、装置、电子设备及存储介质
CN110826567B (zh) 光学字符识别方法、装置、设备及存储介质
CN113313064A (zh) 字符识别方法、装置、可读介质及电子设备
CN112883968B (zh) 图像字符识别方法、装置、介质及电子设备
CN113033580B (zh) 图像处理方法、装置、存储介质及电子设备
CN112364829B (zh) 一种人脸识别方法、装置、设备及存储介质
CN113449070A (zh) 多模态数据检索方法、装置、介质及电子设备
CN110674813B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN112883967A (zh) 图像字符识别方法、装置、介质及电子设备
CN109816023B (zh) 用于生成图片标签模型的方法和装置
CN113033707B (zh) 视频分类方法、装置、可读介质及电子设备
CN112800961B (zh) 笔画书写顺序检测方法、装置、介质和电子设备
CN114067327A (zh) 文本识别方法、装置、可读介质及电子设备
CN114494709A (zh) 特征提取模型的生成方法、图像特征提取方法和装置
CN111898338A (zh) 文本生成方法、装置和电子设备
CN111797822A (zh) 文字对象评价方法、装置和电子设备
CN110765304A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN110705536A (zh) 汉字识别纠错方法、装置、计算机可读介质及电子设备
CN114612909A (zh) 字符识别方法、装置、可读介质及电子设备
CN114495080A (zh) 字体识别方法、装置、可读介质及电子设备
CN114862720A (zh) 画布还原方法、装置、电子设备和计算机可读介质
CN114463768A (zh) 表格识别方法、装置、可读介质和电子设备
CN114429628A (zh) 图像处理方法、装置、可读存储介质及电子设备
CN114004229A (zh) 文本识别方法、装置、可读介质及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant