CN110826567B - 光学字符识别方法、装置、设备及存储介质 - Google Patents

光学字符识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110826567B
CN110826567B CN201911076214.6A CN201911076214A CN110826567B CN 110826567 B CN110826567 B CN 110826567B CN 201911076214 A CN201911076214 A CN 201911076214A CN 110826567 B CN110826567 B CN 110826567B
Authority
CN
China
Prior art keywords
recognized
prediction
image
neural network
vector
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.)
Active
Application number
CN201911076214.6A
Other languages
English (en)
Other versions
CN110826567A (zh
Inventor
庄妮
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 CN201911076214.6A priority Critical patent/CN110826567B/zh
Publication of CN110826567A publication Critical patent/CN110826567A/zh
Application granted granted Critical
Publication of CN110826567B publication Critical patent/CN110826567B/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
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Character Discrimination (AREA)
  • Image Analysis (AREA)

Abstract

本公开实施例公开了一种光学字符识别方法、装置、设备及存储介质。包括：对待识别图像进行归一化处理；将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵；所述卷积块包括卷积层和池化层；对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符。本公开实施例的技术方案，将待识别图像依次输入训练好的神经网络中的卷积块获得深度特征矩阵，实现对光学字符的识别，无需输入整个训练好的神经网络，可以提高光学字符识别的准确性及效率。

Description

光学字符识别方法、装置、设备及存储介质
技术领域
本公开实施例涉及光学字符识别技术领域，尤其涉及一种光学字符识别方法、装置、设备及存储介质。
背景技术
对图片中的字符串进行识别，是大部分光学字符识的一个重要环节。字符串图片识别的技术常见的应用有：身份证号识别和车牌号识别等。常见的应用场景有单据信息识别和街景商店名称识别等。
传统的光学字符识别方法处理步骤为:将包含有文本的图片中的字符串通过字符串切割方法进行切割，得到多个仅包含单个字符的图片后再进行识别，最后将多个单字符图片的识别结果进行串接得到最终结果。该种方法很大程度上依赖于字符切割模型的效果，如果字符切割出现错误，则识别过程会产生一系列的错误；并且字符切割模型对于样本图片质量要求较高，且要求字符串本身可切割，对于一些字符串本身字符间存在粘连或者交叉的情况则无法正确处理。
发明内容
本公开实施例提供一种光学字符识别方法、装置、设备及存储介质，可以提高光学字符识别的准确性。
第一方面，本公开实施例提供了一种光学字符识别方法，包括：
对待识别图像进行归一化处理；
将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵；所述卷积块包括卷积层和池化层；
对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符。
第二方面，本公开实施例还提供了一种光学字符识别装置，包括：
归一化处理模块，用于对待识别图像进行归一化处理；
深度特征矩阵获取模块，用于将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵；所述卷积块包括卷积层和池化层；
光学字符预测模块，用于对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本公开实施例所述的光学字符识别方法。
第四方面，本公开实施例还提供了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如本公开实施例所述的光学字符识别方法。
本公开实施例，首先对待识别图像进行归一化处理，然后将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵，最后对深度特征矩阵进行字符预测，获得待识别图像中的光学字符。本公开实施例的技术方案，将待识别图像依次输入训练好的神经网络中的卷积块获得深度特征矩阵，实现对光学字符的识别，无需输入整个训练好的神经网络，可以提高光学字符识别的准确性及效率。
附图说明
图1是本公开实施例一中的一种神经网络的结构示意图；
图2是本公开实施例一中的一种光学字符识别方法的流程图；
图3是本公开实施例二中的一种光学字符识别装置的结构示意图；
图4是本公开实施例三中的一种电子设备的结构示意图。
具体实施方式
下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。【序数词】
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。
实施例一
本公开实施例中通过训练好的神经网络实现光学字符的识别。图1是本实施例一提供的一种神经网络的结构示意图。如图1所示，神经网络在训练过程中，训练样本依次输入神经网络的输入层、卷积块、转换层、重构层、全连接层和损失函数模块，损失函数计算出的损失值对神经网络进行优化，以实现对神经网络的训练。神经网络训练完成后，在预测的过程中，将待识别图像依次输入神经网络的输入层、卷积块和预测层，实现对光学字符的识别，即在预测阶段，无需将待识别图像输入转换层、重构层和全连接层，减少了计算量，从而提高光学字符识别的效率。
图2为本公开实施例一提供的一种光学字符识别方法的流程图，本实施例可适用于对光学字符进行识别的情况，该方法可以由光学字符识别装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有学字符识别功能的设备中，该设备可以是服务器、移动终端或服务器集群等电子设备。如图2所示，该方法具体包括如下步骤：
步骤110，对待识别图像进行归一化处理。
其中，待识别图像可以包含光学字符的图像或者从图像中截取的包含有光学字符的图像区域。具体的，对待识别图像进行归一化处理可以对图像中的像素点的像素值、亮度值或颜色值进行归一化。
本实施例中，对待识别图像进行归一化处理的方式可以是：获取待识别图像中所有像素点像素值的平均值、最大值和最小值，根据所有像素点像素值的平均值、最大值和最小值对每一个像素点进行归一化处理。
其中，根据所有像素点像素值的平均值、最大值和最小值对每一个像素点进行归一化处理按照如下公式计算：
Figure BDA0002262529870000051
其中，IN表示归一化后的像素值，I表示像素点的像素值，I0表示所有像素点像素值的平均值，Imax表示所有像素点像素值的最大值，Imin所有像素点像素值的最小值。
步骤120，将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵。
其中，卷积块包括卷积层和池化层。本公开实施例中在构建神经网络时可以构建多层卷积块，每一卷积层包括一个卷积核，卷积核与上一层输出的矩阵进行卷积计算后输入池化层。本实施例中，神经网络的输入为待识别图像所有归一化的像素值构成的矩阵，可表示为w1*h1*1，其中，w1为待识别图像的宽占用的像素，h1为待识别图像的高占用的像素。将像素矩阵依次输入神经网络包括至少一层卷积块后，获得待识别图像的深度特征矩阵，可以表示为(w2，h2，c2)，其中w2为深度特征矩阵的宽，h2为深度特征矩阵的高，c2为深度特征矩阵的长。
步骤130，对深度特征矩阵进行字符预测，获得待识别图像中的光学字符。
在获得待识别图像的深度特征矩阵后，对深度特征矩阵按照设定规则进行计算以进行光学字符的预测，获得待识别图像中的光学字符。
本公开实施例中，对深度特征矩阵进行字符预测，获得待识别图像中的光学字符的方式可以是：对深度特征矩阵进行降维处理，获得多个预测向量；将置信度最高的预测向量确定为识别结果。
具体的，对深度矩阵进行降维处理的方式可以是将预设标准类别向量与深度特征矩阵进行点乘运算，获得多个预测向量。其中，预设标准类别向量可以是根据光学字符的类别预先设定的，如：标准类别向量集合为{C1、C2、……Cn}，其中，n表示标准类别向量的数量，即光学字符预设的类别的数量，然后将每个标准类别向量分别与深度矩阵进行点乘运算，获得n个预测向量。将置信度最高的预测向量确定为识别结果的方式可以是：计算每个预测向量的模值；将计算的模值确定为每个预测向量的置信度，并将置信度最高的预测向量确定为识别结果。具体的，计算每个预测向量的模值，将计算的模值确定为每个预测向量的置信度，最后将置信度最高的预测向量确定为识别结果，从而获得待识别图像中的光学字符。例如：假设某个预测向量为(a1，a2…am)，那么该预测向量置信度的计算公式为
Figure BDA0002262529870000061
本应用场景下，预先设定的标准类别向量的数量达4000个。
本公开实施例的技术方案，首先对待识别图像进行归一化处理，然后将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵，最后对深度特征矩阵进行字符预测，获得待识别图像中的光学字符。本公开实施例的技术方案，将待识别图像依次输入训练好的神经网络中的卷积块获得深度特征矩阵，实现对光学字符的识别，无需输入整个训练好的神经网络，可以提高光学字符识别的准确性及效率。
可选的，训练好的神经网络通过如下步骤获得：获取多张归一化处理的图片，确定为训练样本；对每个训练样本分别标注所属的类别向量；对于每个训练样本，将标注的训练样本依次输入神经网络的卷积块、转换层、重构层和全连接层，获得训练样本的预测向量；根据预测向量和类别向量计算损失值，并根据损失值对神经网络进行优化，获得训练好的神经网络。
其中，类别向量可以采用上述标准类别向量进行标注。归一化处理的图片可以是对图片每个像素点像素值的归一化，归一化的方式和上述实施例中的相同，此处不再赘述。本实施例中，首先初始化神经网络的各类别，然后对每个类别初始化各自对应的类别向量，再然后根据训练样本中包含的光学字符确定训练样本所属的类别向量，并将类别向量标注于训练样本。
具体的，对于每个训练样本，将标注的训练样本依次输入神经网络的卷积块、转换层、重构层和全连接层，获得训练样本的预测向量的过程可以是：将标注的训练样本依次输入神经网络，通过卷积块进行特征提取，获得训练样本的深度特征矩阵；将深度特征矩阵通过转换层和重构层进行转换重构，获得训练样本的特征向量；将特征向量输入全连接层，获得训练样本的预测向量。
其中，特征向量可以是与类别向量维度相同的向量。
具体的，根据预测向量和类别向量计算损失值的过程可以是：采用设定损失函数对预测向量和类别向量计算损失值。其中，设定损失函数为CTC(Connectionist temporalclassification)Loss函数。
本公开实施例中，在对神经网络训练时，训练样本需要依次输入神经网络的输入层、卷积块、转换层、重构层、全连接层和损失函数模块，损失函数计算出的损失值对神经网络进行优化，以实现对神经网络的训练。神经网络训练完成后，在预测的过程中，将待识别图像依次输入神经网络的输入层及卷积块，实现对光学字符的识别，即在预测阶段，无需将待识别图像输入转换层、重构层和全连接层，减少了计算量，从而提高光学字符识别的效率。
实施例二
图3为本公开实施例二提供的一种光学字符识别装置的结构示意图。如图3所示，该装置包括：归一化处理模块210，深度特征矩阵获取模块220和光学字符预测模块230。
归一化处理模块210，用于对待识别图像进行归一化处理；
深度特征矩阵获取模块220，用于将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵；卷积块包括卷积层和池化层；
光学字符预测模块230，用于对深度特征矩阵进行字符预测，获得待识别图像中的光学字符。
可选的，归一化处理模块210，还用于：
获取待识别图像中所有像素点像素值的平均值、最大值和最小值；
根据所有像素点像素值的平均值、最大值和最小值对每一个像素点进行归一化处理。
可选的，还包括：神经网络训练模块，用于：
获取多张归一化处理的图片，确定为训练样本；
对每个训练样本分别标注所属的类别向量；
对于每个训练样本，将标注的训练样本依次输入神经网络的卷积块、转换层、重构层和全连接层，获得训练样本的预测向量；
根据预测向量和类别向量计算损失值，并根据损失值对神经网络进行优化，获得训练好的神经网络。
可选的神经网络训练模块，还用于：
将标注的训练样本依次输入神经网络，通过卷积块进行特征提取，获得训练样本的深度特征矩阵；
将深度特征矩阵通过转换层和重构层进行转换重构，获得训练样本的特征向量；
将特征向量输入全连接层，获得训练样本的预测向量。
可选的，光学字符预测模块230，还用于：
对深度特征矩阵进行降维处理，获得多个预测向量；
将置信度最高的预测向量确定为识别结果。
可选的，光学字符预测模块230，还用于：将多个预设标准类别向量分别与所述深度特征矩阵进行点乘运算，获得多个预测向量。
可选的，光学字符预测模块230，还用于：计算每个预测向量的模值；
将计算的模值确定为每个预测向量的置信度，并将置信度最高的预测向量确定为识别结果。
上述装置可执行本公开前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述所有实施例所提供的方法。
实施例三
下面参考图4，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子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，或者各种形式的服务器，如独立服务器或者服务器集群。图4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4所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储装置(ROM)302中的程序或者从存储装置305加载到随机访问存储装置(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：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306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备300，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词语的推荐方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置305被安装，或者从ROM 302被安装。在该计算机程序被处理装置301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：对待识别图像进行归一化处理；将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵；所述卷积块包括卷积层和池化层；对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符。
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单元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，单元的名称在某种情况下并不构成对该单元本身的限定。
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。
根据本公开实施例的一个或多个实施例，本公开实施例提供了一种光学字符识别方法，包括：
对待识别图像进行归一化处理；
将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵；所述卷积块包括卷积层和池化层；
对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符。
进一步地，对待识别图像进行归一化处理，包括：
获取待识别图像中所有像素点像素值的平均值、最大值和最小值；
根据所有像素点像素值的平均值、最大值和最小值对每一个像素点进行归一化处理。
进一步地，在对待识别图像进行归一化处理之前，还包括：
获取多张归一化处理的图片，确定为训练样本；
对每个训练样本分别标注所属的类别向量；
对于每个训练样本，将标注的训练样本依次输入神经网络的卷积块、转换层、重构层和全连接层，获得所述训练样本的预测向量；
根据所述预测向量和所述类别向量计算损失值，并根据所述损失值对所述神经网络进行优化，获得训练好的神经网络。
进一步地，对于每个训练样本，将标注的训练样本依次输入神经网络的卷积块、转换层、重构层和全连接层，获得所述训练样本的预测向量，包括：
将标注的训练样本依次输入神经网络，通过卷积块进行特征提取，获得训练样本的深度特征矩阵；
将所述深度特征矩阵通过转换层和重构层进行转换重构，获得训练样本的特征向量；
将所述特征向量输入全连接层，获得训练样本的预测向量。
进一步地，对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符，包括：
对所述深度特征矩阵进行降维处理，获得多个预测向量；
将置信度最高的预测向量确定为识别结果。
进一步地，对所述深度特征矩阵进行降维处理，获得多个预测向量，包括：
将多个预设标准类别向量分别与所述深度特征矩阵进行点乘运算，获得多个预测向量。
进一步地，将置信度最高的预测向量确定为识别结果，包括：
计算每个预测向量的模值；
将计算的模值确定为每个预测向量的置信度，并将置信度最高的预测向量确定为识别结果。
注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。

Claims (7)

1.一种光学字符识别方法，其特征在于，包括：
对待识别图像进行归一化处理；
将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵；所述卷积块包括卷积层和池化层；
对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符；
所述对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符，包括：
对所述深度特征矩阵进行降维处理，获得多个预测向量；
将置信度最高的预测向量确定为识别结果；
所述对所述深度特征矩阵进行降维处理，获得多个预测向量，包括：
将多个预设标准类别向量分别与所述深度特征矩阵进行点乘运算，获得多个预测向量；其中，所述预设标准类别向量是根据光学字符的类别预先设定的；
所述训练好的神经网络通过如下步骤获得：
获取多张归一化处理的图片，确定为训练样本；
对每个训练样本分别标注所属的类别向量；
对于每个训练样本，将标注的训练样本依次输入神经网络的卷积块、转换层、重构层和全连接层，获得所述训练样本的预测向量；
根据所述预测向量和所述类别向量计算损失值，并根据所述损失值对所述神经网络进行优化，获得训练好的神经网络。
2.根据权利要求1所述的方法，其特征在于，对待识别图像进行归一化处理，包括：
获取待识别图像中所有像素点像素值的平均值、最大值和最小值；
根据所有像素点像素值的平均值、最大值和最小值对每一个像素点进行归一化处理。
3.根据权利要求2所述的方法，其特征在于，对于每个训练样本，将标注的训练样本依次输入神经网络的卷积块、转换层、重构层和全连接层，获得所述训练样本的预测向量，包括：
将标注的训练样本输入神经网络，通过卷积块进行特征提取，获得训练样本的深度特征矩阵；
将所述深度特征矩阵通过转换层和重构层进行转换重构，获得训练样本的特征向量；
将所述特征向量输入全连接层，获得训练样本的预测向量。
4.根据权利要求1所述的方法，其特征在于，将置信度最高的预测向量确定为识别结果，包括：
计算每个预测向量的模值；
将计算的模值确定为每个预测向量的置信度，并将置信度最高的预测向量确定为识别结果。
5.一种光学字符识别装置，其特征在于，包括：
归一化处理模块，用于对待识别图像进行归一化处理；
深度特征矩阵获取模块，用于将归一化处理后的待识别图像输入训练好的神经网络模型中，通过卷积块进行特征提取，获得待识别图像的深度特征矩阵；所述卷积块包括卷积层和池化层；
光学字符预测模块，用于对所述深度特征矩阵进行字符预测，获得待识别图像中的光学字符；
所述光学字符预测模块，还用于：
对深度特征矩阵进行降维处理，获得多个预测向量；
将置信度最高的预测向量确定为识别结果；
所述光学字符预测模块，还用于：将多个预设标准类别向量分别与所述深度特征矩阵进行点乘运算，获得多个预测向量；其中，所述预设标准类别向量是根据光学字符的类别预先设定的；
神经网络训练模块，用于：
获取多张归一化处理的图片，确定为训练样本；
对每个训练样本分别标注所属的类别向量；
对于每个训练样本，将标注的训练样本依次输入神经网络的卷积块、转换层、重构层和全连接层，获得训练样本的预测向量；
根据预测向量和类别向量计算损失值，并根据损失值对神经网络进行优化，获得训练好的神经网络。
6.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-4中任一所述的光学字符识别方法。
7.一种计算机可读介质，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如权利要求1-4中任一所述的光学字符识别方法。
CN201911076214.6A 2019-11-06 2019-11-06 光学字符识别方法、装置、设备及存储介质 Active CN110826567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911076214.6A CN110826567B (zh) 2019-11-06 2019-11-06 光学字符识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911076214.6A CN110826567B (zh) 2019-11-06 2019-11-06 光学字符识别方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110826567A CN110826567A (zh) 2020-02-21
CN110826567B true CN110826567B (zh) 2023-04-07

Family

ID=69553016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911076214.6A Active CN110826567B (zh) 2019-11-06 2019-11-06 光学字符识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110826567B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449760A (zh) * 2020-03-27 2021-09-28 北京沃东天骏信息技术有限公司 一种字符识别方法和装置
CN111598227B (zh) * 2020-05-20 2023-11-03 字节跳动有限公司 数据处理方法、装置、电子设备及计算机可读存储介质
CN111626285A (zh) * 2020-05-27 2020-09-04 北京环境特性研究所 一种字符识别系统和方法
CN113792741B (zh) * 2021-09-17 2023-08-11 平安普惠企业管理有限公司 文字识别方法、装置、设备及存储介质
CN114519858B (zh) * 2022-02-16 2023-09-05 北京百度网讯科技有限公司 文档图像的识别方法、装置、存储介质以及电子设备
CN115952830B (zh) * 2022-05-18 2024-04-30 北京字跳网络技术有限公司 数据处理方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1920855A (zh) * 2005-08-26 2007-02-28 富士通株式会社 用于退化文字行的字符识别装置和方法
KR101874352B1 (ko) * 2017-12-14 2018-07-06 최현수 효율적인 교통정보 전달을 위한 교통 전광판과 차내 단말 및 이를 포함하는 지능형 교통 시스템
CN110321830A (zh) * 2019-06-28 2019-10-11 北京邮电大学 一种基于神经网络的中文字符串图片ocr识别方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106446954A (zh) * 2016-09-29 2017-02-22 南京维睛视空信息科技有限公司 一种基于深度学习的字符识别方法
CN106778745A (zh) * 2016-12-23 2017-05-31 深圳先进技术研究院 一种车牌识别方法及装置、用户设备
US10810465B2 (en) * 2017-06-30 2020-10-20 Datalogic Usa, Inc. Systems and methods for robust industrial optical character recognition
CN107688784A (zh) * 2017-08-23 2018-02-13 福建六壬网安股份有限公司 一种基于深层特征和浅层特征融合的字符识别方法及存储介质
CN107609536A (zh) * 2017-09-29 2018-01-19 百度在线网络技术（北京）有限公司 信息生成方法和装置
CN107909109B (zh) * 2017-11-17 2019-06-21 西安电子科技大学 基于显著性和多尺度深度网络模型的sar图像分类方法
CN109903223B (zh) * 2019-01-14 2023-08-25 北京工商大学 一种基于稠密连接网络与生成式对抗网络的图像超分辨率方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1920855A (zh) * 2005-08-26 2007-02-28 富士通株式会社 用于退化文字行的字符识别装置和方法
KR101874352B1 (ko) * 2017-12-14 2018-07-06 최현수 효율적인 교통정보 전달을 위한 교통 전광판과 차내 단말 및 이를 포함하는 지능형 교통 시스템
CN110321830A (zh) * 2019-06-28 2019-10-11 北京邮电大学 一种基于神经网络的中文字符串图片ocr识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Shyla Afroge等."Optical character recognition using back propagation neural network".《2016 2nd International Conference on Electrical, Computer &amp Telecommunication Engineering (ICECTE)》.2017,正文第1-4页. *
南淑萍等."光学字符识别技术在手写体字符识别中的应用研究".《长春师范大学学报》.2015,第第34卷卷(第第34卷期),第39-42页. *

Also Published As

Publication number Publication date
CN110826567A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110826567B (zh) 光学字符识别方法、装置、设备及存储介质
CN111369427B (zh) 图像处理方法、装置、可读介质和电子设备
CN110413812B (zh) 神经网络模型的训练方法、装置、电子设备及存储介质
CN113436620B (zh) 语音识别模型的训练方法、语音识别方法、装置、介质及设备
CN112883968B (zh) 图像字符识别方法、装置、介质及电子设备
CN113313064A (zh) 字符识别方法、装置、可读介质及电子设备
CN110659639B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN113449070A (zh) 多模态数据检索方法、装置、介质及电子设备
CN112766284B (zh) 图像识别方法和装置、存储介质和电子设备
CN114494298A (zh) 对象分割方法、装置、设备及存储介质
CN111784712A (zh) 图像处理方法、装置、设备和计算机可读介质
CN112883966A (zh) 图像字符识别方法、装置、介质及电子设备
US20230281956A1 (en) Method for generating objective function, apparatus, electronic device and computer readable medium
CN114049632A (zh) 图像字符识别模型训练方法、图像字符识别方法及装置
CN110674813B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN112241761A (zh) 模型训练方法、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
CN115984868A (zh) 文本处理方法、装置、介质及设备
CN114612909A (zh) 字符识别方法、装置、可读介质及电子设备
CN111737575B (zh) 内容分发方法、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
CN114495081A (zh) 文本识别的方法、装置、可读介质和电子设备
CN114004229A (zh) 文本识别方法、装置、可读介质及电子设备
CN112418233A (zh) 图像处理方法、装置、可读介质及电子设备
CN113222050A (zh) 图像分类方法、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