CN111382748A - 图像翻译方法、装置及存储介质 - Google Patents
图像翻译方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111382748A CN111382748A CN202010130910.7A CN202010130910A CN111382748A CN 111382748 A CN111382748 A CN 111382748A CN 202010130910 A CN202010130910 A CN 202010130910A CN 111382748 A CN111382748 A CN 111382748A
- Authority
- CN
- China
- Prior art keywords
- image
- translation
- text
- sample
- language
- 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
Links
- 238000013519 translation Methods 0.000 title claims abstract description 248
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012549 training Methods 0.000 claims description 96
- 239000013598 vector Substances 0.000 claims description 52
- 230000001537 neural effect Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 23
- 238000012015 optical character recognition Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- 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
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)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本公开是关于一种图像翻译方法、装置及存储介质。图像翻译方法包括:从待翻译图像中裁剪出包含第一语言文字的至少一个局部图像;将所述至少一个局部图像输入图像翻译模型,从所述图像翻译模型输出与每一个局部图像对应的翻译文本,所述翻译文本中包括与所述第一语言文字具有相同语义的第二语言文字。通过本公开,避免了级联式图像翻译中,OCR将图像中的文字识别为文本内容时,由于OCR识别的误差,影响翻译引擎的翻译质量的问题。
Description
技术领域
本公开涉及图像处理领域,尤其涉及图像翻译方法、装置及存储介质。
背景技术
图像翻译即是对图像中的文字翻译成目标语言并展示给用户。图像翻译应用的场景多种多样,比如可以内置到各种终端的应用程序中,也可以嵌入到翻译机中。
目前的图像翻译通常使用级联式的翻译方法实现,该方法通过光学字符识别(Optical Character Recognition,OCR)技术将图像上的文字识别为文本内容,再通过翻译引擎将经过OCR得到的文本内容翻译成目标语言的文本内容。
但是,通过级联式的翻译方法对图像翻译时,对OCR识别图像中文字的准确度要求很高,一旦OCR识别到的文本内容有误差,就会影响翻译引擎的翻译质量。
故,通过级联式的翻译方法对图像翻译时,存在误差传导的问题。
发明内容
为克服相关技术中存在的问题,本公开提供一种图像翻译方法、装置及存储介质。
根据本公开实施例的第一方面,提供一种图形翻译方法,包括:从待翻译图像中裁剪出包含第一语言文字的至少一个局部图像;将至少一个局部图像输入图像翻译模型,从图像翻译模型输出与每一个局部图像对应的翻译文本,翻译文本中包括与第一语言文字具有相同语义的第二语言文字。
在一示例中,图像翻译模型包括卷积神经子网络和翻译子网络;将至少一个局部图像输入图像翻译模型,从图像翻译模型输出与每一个局部图像对应的翻译文本,包括:基于卷积神经子网络提取至少一个局部图像的图像特征向量;对提取到的特征向量进行序列化处理,得到序列化图像特征向量;基于翻译子网络对序列化图像特征向量进行识别,得到包含第二语言文字的翻译文本。
在一示例中,图像翻译方法还包括:基于图像翻译样本集预先训练得到图像翻译模型;其中,图像翻译样本集包括多对训练样本,多对训练样本中的每一对训练样本包括图像样本以及与图像样本对应的文本样本,图像样本中包含第一语言文字,文本样本中包含与第一语言文字具有相同语义的第二语言文字。
在一示例中,图像翻译方法还包括:基于双语文本样本集预先训练得到图像翻译样本集。
在一示例中,基于双语文本样本集预先训练得到图像翻译样本集,包括:确定双语文本样本集,双语文本样本集包括多对文本训练样本,多对文本训练样本中的每一对文本训练样本包括第一语言文本样本,以及与第一语言文本样本具有相同语义的第二语言文本样本;将双语文本样本集中的第一语言文本样本转换为包含第一语言文字的图像样本;将图像样本与第二语言文本样本关联,得到图像翻译样本集。
在一示例中,基于图像翻译样本集预先训练得到图像翻译模型,包括:通过神经子网络提取图像翻译样本集中的多对图像样本的特征向量;通过翻译子网络对特征向量进行预测,得到包含第二语言文字的预测文本;基于损失函数调整卷积神经子网络和翻译子网络的训练参数,得到满足损失值的图像翻译模型;其中,损失函数依据卷积神经子网络训练参数、翻译子网络训练参数、图像翻译样本集中训练样本数量确定。
根据本公开实施例的第二方面,提供一种图像翻译装置,包括:获取单元,被配置为从待翻译图像中裁剪出包含第一语言文字的至少一个局部图像;处理单元,被配置为将至少一个局部图像输入图像翻译模型,从图像翻译模型输出与每一个局部图像对应的翻译文本,翻译文本中包括与第一语言文字具有相同语义的第二语言文字。
在一示例中,图像翻译模型包括卷积神经子网络和翻译子网络;处理单元采用如下方式将至少一个局部图像输入图像翻译模型,从图像翻译模型输出与每一个局部图像对应的翻译文本:基于卷积神经子网络提取至少一个局部图像的图像特征向量;对提取到的特征向量进行序列化处理,得到序列化图像特征向量;基于翻译子网络对序列化图像特征向量进行识别,得到包含第二语言文字的翻译文本。
在一示例中,图像翻译装置还包括:训练单元,被配置为基于图像翻译样本集预先训练得到图像翻译模型;其中,图像翻译样本集包括多对训练样本,多对训练样本中的每一对训练样本包括图像样本以及与图像样本对应的文本样本,图像样本中包含第一语言文字,文本样本中包含与第一语言文字具有相同语义的第二语言文字。
在一示例中,训练单元还被配置为:基于双语文本样本集预先训练得到图像翻译样本集。
在一示例中,训练单元采用如下方式基于双语文本样本集预先训练得到图像翻译样本集:确定双语文本样本集,双语文本样本集包括多对文本训练样本,多对文本训练样本中的每一对文本训练样本包括第一语言文本样本,以及与第一语言文本样本具有相同语义的第二语言文本样本;将双语文本样本集中的第一语言文本样本转换为包含第一语言文字的图像样本;将图像样本与第二语言文本样本关联,得到图像翻译样本集。
在一示例中,训练单元采用如下方式基于图像翻译样本集预先训练得到图像翻译模型:通过神经子网络提取图像翻译样本集中的多对图像样本的特征向量;通过翻译子网络对特征向量进行预测,得到包含第二语言文字的预测文本;基于损失函数调整卷积神经子网络和翻译子网络的训练参数,得到满足损失值的图像翻译模型;其中,损失函数依据卷积神经子网络训练参数、翻译子网络训练参数、图像翻译样本集中训练样本数量确定。
根据本公开的第三方面,提供了一种电子设备,电子设备包括:图像传感器,用于采集待翻译图像;存储器,用于存储指令;以及处理器,配置用于调用指令执行前述第一方面或者第一方面中任意一示例中的图像翻译方法。
根据本公开的第四方面,提供了一种非临时性计算机可读存储介质,非临时性计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在由处理器执行时,执行前述第一方面或者第一方面中任意一示例中的图像翻译方法。
本公开的实施例提供的技术方案可以包括以下有益效果:将包含第一语言文字的图像输入图像翻译模型,通过图像翻译模型可直接输出与第一语言文字对应的第二语言文字的翻译文本,翻译延时低,同时避免了级联式图像翻译中,OCR将图像中的文字识别为文本内容时,由于OCR识别的误差,影响翻译引擎的翻译质量的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像翻译方法的流程图。
图2是根据一示例性实施例示出的一种图像翻译方法的流程图。
图3是根据一示例性实施例示出的一种应用本公开图像翻译方法的图像翻译示例图。
图4是根据一示例性实施例示出的一种图像翻译方法的流程图。
图5是根据一示例性实施例示出的一种图像翻译装置的框图。
图6是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开的示例性实施例的技术方案可以应用于通过终端对图像进行翻译的应用场景。在以下描述的示例性实施例中,终端有时也称为智能终端设备,其中,该终端可以是移动终端,也可以称作用户设备(User Equipment,UE)、移动台(Mobile Station,MS)等。终端是一种向用户提供语音和/或数据连接的设备,或者是设置于该设备内的芯片,例如,具有无线连接功能的手持式设备、车载设备等。例如,终端的示例可以包括:手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(Mobile Internet Devices,MID)、可穿戴设备、虚拟现实(Virtual Reality,VR)设备、增强现实(Augmented Reality,AR)设备、工业控制中的无线终端、无人驾驶中的无线终端、远程手术中的无线终端、智能电网中的无线终端、运输安全中的无线终端、智慧城市中的无线终端、智慧家庭中的无线终端等。
图1是根据一示例性实施例示出的一种图像翻译方法的流程图,如图1所示,图像翻译方法,包括以下步骤。
在步骤S11中,从待翻译图像中裁剪出包含第一语言文字的至少一个局部图像。
本公开中,可通过文字区域提取算法对带翻译图像中的文字区域进行剪裁,提取到包含第一语言文字的文字区域,即提取得到包含第一语言文字的局部图像。并且,如果待翻译图像中包含多个第一语言文字的文字区域,则可对多个包含第一语言文字的文字区域分别裁剪,得到多个局部图像。
其中,文字区域提取算法包括但不限于CPTN方法、Pixel-Anchor方法或者MaskText方法实现。
在步骤S12中,将至少一个局部图像输入图像翻译模型,从图像翻译模型输出与每一个局部图像对应的翻译文本,翻译文本中包括与第一语言文字具有相同语义的第二语言文字。
本公开为描述方便,将待翻译语言文字称为第一语言文字,将翻译后目标语言文字称为第二语言文字。
在本公开的示例性实施例中,将包含第一语言文字的图像输入图像翻译模型,通过图像翻译模型可直接输出与第一语言文字对应的第二语言文字的翻译文本,翻译延时低,同时避免了级联式图像翻译中,OCR将图像中的文字识别为文本内容时,由于OCR识别的误差,影响翻译引擎的翻译质量的问题。
本公开中的图像翻译模型,可以是包括卷积神经子网络和翻译子网络的图像翻译模型。
图2是根据一示例性实施例示出的一种图像翻译方法的流程图,如图2所示,图像翻译方法,包括以下步骤。
在步骤S21中,从待翻译图像中裁剪出包含第一语言文字的至少一个局部图像。
在步骤S22中,基于图像翻译模型中卷积神经子网络提取至少一个局部图像的图像特征向量。
其中,本公开中涉及的卷积神经子网络即卷积神经网络(Convolutional NeuralNetworks,CNN)。通过CNN提取包含第一语言文字局部图像的图像特征向量。
其中,CNN包括但不限于VGG、ResNet、Inception和Xinception等卷积神经网络。
在步骤S23中,对提取到的图像特征向量进行序列化处理得到序列化图像特征向量。
本公开中,为了保证CNN提取到的多个图像特征向量顺序与局部图像的顺序保持一致,进而保证通过翻译子网络对图像特征向量识别后,得到与局部图像对应的翻译文本。本公开中,通过CNN提取到的图像特征向量后,可以对提取的图像特征向量序列化处理,得到序列化图像特征向量。
在步骤S24中,基于图像翻译模型中翻译子网络对序列化图像特征向量进行识别,得到包含第二语言文字的翻译文本。
本公开中,例如可基于翻译子网络对序列化图像特征向量进行识别,得到包含第二语言文字的翻译文本。
其中,翻译子网络包括但不限于transformer翻译网络,基于RNN的seq2seq神经机器翻译网络。
图3是根据一示例性实施例示出的应用本公开图像翻译方法,对图像中第一语言文字进行翻译,得到与第一语言文字对应的第二语言文字的图像翻译示例图。
在图3中,获取图像a,提取图像a中包含的第一语言文字为“目标与管理计划”的局部图像,得到局部图像b,提取局部图像b的CNN特征向量,并对提取到的图像特征向量进行序列化处理得到序列化图像特征向量。通过翻译子网络对序列化图像特征向量进行识别,得到包含英语文字“goal and plan management”的翻译文本。
在本公开的示例性实施例中,通过基于卷积神经子网络提取局部图像的图像特征向量,根据局部图像的图像特征向量,利用翻译子网络识别得到与第一语言具有相同语义的翻译文本。由此,可通过图像的特征向量,识别得到与第一语言具有相同语义的第二语言文字的翻译文本,避免了级联式图像翻译中,通过OCR将图像中文字识别为文本内容时,由于OCR识别的误差,影响翻译引擎的翻译质量的问题。
本公开中,在基于图像翻译模型对包含有第一语言文字的局部图像进行翻译之前,可训练包括卷积神经子网络和翻译子网络的图像翻译模型。
图4是根据一示例性实施例示出的一种训练图像翻译模型方法的流程图,如图4所示,训练模型方法,包括以下步骤。
在步骤S31中,基于图像翻译样本集预先训练得到图像翻译模型。
本公开中,图像翻译样本集可以是包括多对训练样本,多对训练样本中的每一对训练样本包括图像样本以及与图像样本对应的文本样本。图像样本中包含第一语言文字,文本样本中包含与第一语言文字具有相同语义的第二语言文字。
在步骤S311中,基于双语文本样本集得到图像翻译样本集。
通常,通过OCR将图像中文字识别为文本内容后,将文本内容输入传统的翻译引擎进行翻译,得到目标语言文字的文本内容。故传统的翻译引擎在预先训练时,采用的训练语料为包括第一语言文本样本和与第一语言文本样本具有相同语义的第二语言文本样本的双语文本样本集。双语文本样本集可以是包括多对文本训练样本。多对文本训练样本中的每一对文本训练样本包括第一语言文本样本,以及与第一语言文本样本具有相同语义的第二语言文本样本。
由于传统的翻译引擎采用的训练语料即双语文本样本集质量可靠性高,质量稳定,本公开为了保证训练模型中训练预料的质量,通过对传统的翻译引擎中使用的双语文本样本集进行无损转换,得到本公开需要的训练语料即图像翻译样本集。
本公开中,可根据待翻译的第一语言文本以及目标语言文本,即与第一语言文本样本具有相同语义的第二语言文本样本,确定需要的双语文本样本集。
一种实施方式中,本公开可将需要的双语文本样本集中的第一语言文本样本转换为包含第一语言文字的图像样本。将第一语言文本样本转换为包含第一语言文字的图像样本,例如可通过开源的工具python中的python影像库(Python Imaging Library,PIL)库实现。PIL具有将文字平行转化为图像的功能,利用PIL将文字转化为图像,不需要算法,对文字的转化为无损转化,进而保证了训练语料的质量。将转换后的图像样本与第二语言文本样本关联,得到包括多对训练样本的图像翻译样本集。
例如,需要训练的模型是需要将图像中中文翻译为英文。获取中文文本翻译为英文文本的中英文本样本集,将中英文本样本集中的中文文本分别利用PIL进行转换,得到多个包含中文文本的图像。将多个包含中文文本的图像与多个转换前中文文本具有相同语义的英文文本对应关联,得到包括多对训练样本的图像翻译样本集,即包含中文的图像样本和与中文图像样本具有相同语义的英文文本样本。
在步骤S312中,通过神经子网络提取图像翻译样本集中的多对图像样本的特征向量。
在步骤S313中,通过翻译子网络对特征向量进行预测,得到包含第二语言文字的预测文本,基于损失函数调整卷积神经子网络和翻译子网络的训练参数,得到满足损失值的图像翻译模型。
本公开中,损失函数(loss函数)例如可以是交叉熵损失函数。图像翻译模型的loss函数例如如下所示:
其中,T代表与第一语言文字对应的第二语言文字,S代表包含第一语言文字的图像样本,N代表图像翻译样本集中的训练样本总数,θcnn代表卷积网络参数,θtrans代表翻译网络参数。
将图像翻译样本输入图像翻译模型,通过图像翻译模型中神经子网络提取图像样本的特征向量,将图像样本的特征向量输入翻译子网络,通过翻译子网络,通过翻译子网络,得到包含第二语言文字的预测文本。根据loss函数计算预测文本和与图像样本对应的文本样本之间的误差,根据loss函数计算的误差,调整图像翻译模型中卷积神经子网络和翻译子网络的参数,直到通过损失函数计算出的误差低于预设的阈值,得到训练后的图像翻译模型。
在本公开的示例性实施例中,基于图像翻译样本集预先训练得到图像翻译模型,由于图像翻译样本集是基于双语文本样本集平行、无损的转换得到,使得训练文本质量可靠,训练后模型的图像翻译准确率高。
基于相同的发明构思,本公开还提供一种图像翻译装置。
可以理解的是,本公开实施例提供的应用控制装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤,本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本公开实施例的技术方案的范围。
图4是根据一示例性实施例示出的一种图像翻译装置框图400。参照图4,该装置包括获取单元401和处理单元402。
其中,获取单元,被配置为从待翻译图像中裁剪出包含第一语言文字的至少一个局部图像;处理单元,被配置为将至少一个局部图像输入图像翻译模型,从图像翻译模型输出与每一个局部图像对应的翻译文本,翻译文本中包括与第一语言文字具有相同语义的第二语言文字。
在一示例中,图像翻译模型包括卷积神经子网络和翻译子网络;处理单元402采用如下方式将至少一个局部图像输入图像翻译模型,从图像翻译模型输出与每一个局部图像对应的翻译文本:基于卷积神经子网络提取至少一个局部图像的图像特征向量;对提取到的图像特征向量进行序列化处理,得到序列化图像特征向量;基于翻译子网络对序列化图像特征向量进行识别,得到包含第二语言文字的翻译文本。
在一示例中,图像翻译装置还包括:训练单元403,被配置为基于图像翻译样本集预先训练得到图像翻译模型;其中,图像翻译样本集包括多对训练样本,多对训练样本中的每一对训练样本包括图像样本以及与图像样本对应的文本样本,图像样本中包含第一语言文字,文本样本中包含与第一语言文字具有相同语义的第二语言文字。
在一示例中,训练单元403还被配置为:基于双语文本样本集预先训练得到图像翻译样本集。
在一示例中,训练单元403采用如下方式基于双语文本样本集预先训练得到图像翻译样本集:确定双语文本样本集,双语文本样本集包括多对文本训练样本,多对文本训练样本中的每一对文本训练样本包括第一语言文本样本,以及与第一语言文本样本具有相同语义的第二语言文本样本;将双语文本样本集中的第一语言文本样本转换为包含第一语言文字的图像样本;将图像样本与第二语言文本样本关联,得到图像翻译样本集。
在一示例中,训练单元403采用如下方式基于图像翻译样本集预先训练得到图像翻译模型:通过神经子网络提取图像翻译样本集中的多对图像样本的特征向量;通过翻译子网络对特征向量进行预测,得到包含第二语言文字的预测文本;基于损失函数调整卷积神经子网络和翻译子网络的训练参数,得到满足损失值的图像翻译模型;其中,损失函数依据卷积神经子网络训练参数、翻译子网络训练参数、图像翻译样本集中训练样本数量确定。
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。
图6是根据一示例性实施例示出的一种用于图像翻译的装置600的框图。例如,装置500可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,装置600可以包括以下一个或多个组件:处理组件602,存储器604,电源组件606,多媒体组件608,音频组件610,输入/输出(I/O)的接口612,传感器组件614,以及通信组件616。
处理组件602通常控制装置600的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件602可以包括一个或多个模块,便于处理组件602和其他组件之间的交互。例如,处理组件602可以包括多媒体模块,以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在设备600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件606为装置600的各种组件提供电源。电源组件606可以包括电源管理系统,一个或多个电源,及其他与为装置600生成、管理和分配电源相关联的组件。
多媒体组件608包括在装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件608包括一个前置摄像头和/或后置摄像头。当设备600处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如,音频组件610包括一个麦克风(MIC),当装置600处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中,音频组件610还包括一个扬声器,用于输出音频信号。
I/O接口612为处理组件602和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器,用于为装置600提供各个方面的状态评估。例如,传感器组件614可以检测到设备600的打开/关闭状态,组件的相对定位,例如组件为装置600的显示器和小键盘,传感器组件614还可以检测装置600或装置600一个组件的位置改变,用户与装置600接触的存在或不存在,装置600方位或加速/减速和装置600的温度变化。传感器组件614可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件614还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件616还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器604,上述指令可由装置600的处理器620执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
进一步可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种图像翻译方法,其特征在于,包括:
从待翻译图像中裁剪出包含第一语言文字的至少一个局部图像;
将所述至少一个局部图像输入图像翻译模型,从所述图像翻译模型输出与每一个局部图像对应的翻译文本,所述翻译文本中包括与所述第一语言文字具有相同语义的第二语言文字。
2.根据权利要求1所述的图像翻译方法,其特征在于,所述图像翻译模型包括卷积神经子网络和翻译子网络;
将所述至少一个局部图像输入图像翻译模型,从所述图像翻译模型输出与每一个局部图像对应的翻译文本,包括:
基于所述卷积神经子网络提取所述至少一个局部图像的图像特征向量;
对提取到的特征向量进行序列化处理得到序列化图像特征向量;
基于所述翻译子网络对所述序列化图像特征向量进行识别,得到包含所述第二语言文字的翻译文本。
3.根据权利要求1或2所述的图像翻译方法,其特征在于,所述方法还包括:
基于图像翻译样本集预先训练得到所述图像翻译模型;
其中,所述图像翻译样本集包括多对训练样本,所述多对训练样本中的每一对训练样本包括图像样本以及与图像样本对应的文本样本,
所述图像样本中包含第一语言文字,所述文本样本中包含与第一语言文字具有相同语义的第二语言文字。
4.根据权利要求3所述的图像翻译方法,其特征在于,所述方法还包括:
基于双语文本样本集预先训练得到所述图像翻译样本集。
5.根据权利要求4所述的图像翻译方法,其特征在于,所述基于双语文本样本集预先训练得到所述图像翻译样本集,包括:
确定双语文本样本集,所述双语文本样本集包括多对文本训练样本,所述多对文本训练样本中的每一对文本训练样本包括第一语言文本样本,以及与所述第一语言文本样本具有相同语义的第二语言文本样本;
将所述双语文本样本集中的第一语言文本样本转换为包含第一语言文字的图像样本;
将所述图像样本与所述第二语言文本样本关联,得到所述图像翻译样本集。
6.根据权利要求3所述的图像翻译方法,其特征在于,所述基于图像翻译样本集预先训练得到所述图像翻译模型,包括:
通过卷积神经子网络提取所述图像翻译样本集中的多对图像样本的特征向量;
通过翻译子网络对所述特征向量进行预测,得到包含第二语言文字的预测文本;
基于损失函数调整卷积神经子网络和翻译子网络的训练参数,得到满足损失值的图像翻译模型;
其中,所述损失函数依据卷积神经子网络训练参数、翻译子网络训练参数、图像翻译样本集中训练样本数量确定。
7.一种图像翻译装置,其特征在于,包括:
获取单元,被配置为从待翻译图像中裁剪出包含第一语言文字的至少一个局部图像;
处理单元,被配置为将所述至少一个局部图像输入图像翻译模型,从所述图像翻译模型输出与每一个局部图像对应的翻译文本,所述翻译文本中包括与所述第一语言文字具有相同语义的第二语言文字。
8.根据权利要求7所述的图像翻译装置,其特征在于,所述图像翻译模型包括卷积神经子网络和翻译子网络;
所述处理单元采用如下方式将所述至少一个局部图像输入图像翻译模型,从所述图像翻译模型输出与每一个局部图像对应的翻译文本:
基于所述卷积神经子网络提取所述至少一个局部图像的图像特征向量;
对提取到的所述特征向量进行序列化处理,得到序列化图像特征向量;
基于所述翻译子网络对所述序列化图像特征向量进行识别,得到包含所述第二语言文字的翻译文本。
9.根据权利要求7或8所述的图像翻译装置,其特征在于,所述装置还包括:
训练单元,被配置为基于图像翻译样本集预先训练得到所述图像翻译模型;
其中,所述图像翻译样本集包括多对训练样本,所述多对训练样本中的每一对训练样本包括图像样本以及与图像样本对应的文本样本,
所述图像样本中包含第一语言文字,所述文本样本中包含与第一语言文字具有相同语义的第二语言文字。
10.根据权利要求9所述的图像翻译装置,其特征在于,所述训练单元还被配置为:
基于双语文本样本集预先训练得到所述图像翻译样本集。
11.根据权利要求10所述的图像翻译装置,其特征在于,所述训练单元采用如下方式基于双语文本样本集预先训练得到所述图像翻译样本集:
确定双语文本样本集,所述双语文本样本集包括多对文本训练样本,所述多对文本训练样本中的每一对文本训练样本包括第一语言文本样本,以及与所述第一语言文本样本具有相同语义的第二语言文本样本;
将所述双语文本样本集中的第一语言文本样本转换为包含第一语言文字的图像样本;
将所述图像样本与所述第二语言文本样本关联,得到所述图像翻译样本集。
12.根据权利要求9所述的图像翻译装置,其特征在于,所述训练单元采用如下方式基于图像翻译样本集预先训练得到所述图像翻译模型:
通过神经子网络提取所述图像翻译样本集中的多对图像样本的特征向量;
通过翻译子网络对所述特征向量进行预测,得到包含第二语言文字的预测文本;
基于损失函数调整卷积神经子网络和翻译子网络的训练参数,得到满足损失值的图像翻译模型;
其中,所述损失函数依据卷积神经子网络训练参数、翻译子网络训练参数、图像翻译样本集中训练样本数量确定。
13.一种电子设备,其特征在于,包括:
图像传感器,用于采集待翻译图像;
存储器,用于存储指令;以及
处理器,用于通过执行所述指令,对所采集的待翻译图像执行如权利要求1-6中任一项所述的图像翻译方法。
14.一种非临时性计算机可读存储介质,其特征在于,所述非临时性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令在由处理器执行时,执行权利要求1-6中任意一项所述的图像翻译方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010130910.7A CN111382748B (zh) | 2020-02-28 | 2020-02-28 | 图像翻译方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010130910.7A CN111382748B (zh) | 2020-02-28 | 2020-02-28 | 图像翻译方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111382748A true CN111382748A (zh) | 2020-07-07 |
CN111382748B CN111382748B (zh) | 2024-03-19 |
Family
ID=71218657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010130910.7A Active CN111382748B (zh) | 2020-02-28 | 2020-02-28 | 图像翻译方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382748B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149431A (zh) * | 2020-09-11 | 2020-12-29 | 上海传英信息技术有限公司 | 一种翻译方法及电子设备、可读存储介质 |
CN114495112A (zh) * | 2022-01-20 | 2022-05-13 | 北京字节跳动网络技术有限公司 | 图像中文本的处理方法、装置、可读介质和电子设备 |
EP4239644A1 (en) * | 2022-03-04 | 2023-09-06 | Koninklijke Philips N.V. | Cross-modality data matching |
WO2023165942A1 (en) * | 2022-03-04 | 2023-09-07 | Koninklijke Philips N.V. | Cross-modality data matching |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150370785A1 (en) * | 2014-06-24 | 2015-12-24 | Google Inc. | Techniques for machine language translation of text from an image based on non-textual context information from the image |
US20180075508A1 (en) * | 2016-09-14 | 2018-03-15 | Ebay Inc. | Detecting cross-lingual comparable listings for machine translation using image similarity |
CN108062301A (zh) * | 2016-11-08 | 2018-05-22 | 希思特兰国际 | 文字翻译方法及其装置 |
US20180165278A1 (en) * | 2016-12-12 | 2018-06-14 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for translating based on artificial intelligence |
CN108319592A (zh) * | 2018-02-08 | 2018-07-24 | 广东小天才科技有限公司 | 一种翻译的方法、装置及智能终端 |
CN109582982A (zh) * | 2018-12-17 | 2019-04-05 | 北京百度网讯科技有限公司 | 用于翻译语音的方法和装置 |
US20200026766A1 (en) * | 2016-09-28 | 2020-01-23 | Systran International Co., Ltd. | Method for translating characters and apparatus therefor |
CN110852116A (zh) * | 2019-11-07 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 非自回归神经机器翻译方法、装置、计算机设备和介质 |
-
2020
- 2020-02-28 CN CN202010130910.7A patent/CN111382748B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150370785A1 (en) * | 2014-06-24 | 2015-12-24 | Google Inc. | Techniques for machine language translation of text from an image based on non-textual context information from the image |
US20180075508A1 (en) * | 2016-09-14 | 2018-03-15 | Ebay Inc. | Detecting cross-lingual comparable listings for machine translation using image similarity |
US20200026766A1 (en) * | 2016-09-28 | 2020-01-23 | Systran International Co., Ltd. | Method for translating characters and apparatus therefor |
CN108062301A (zh) * | 2016-11-08 | 2018-05-22 | 希思特兰国际 | 文字翻译方法及其装置 |
US20180165278A1 (en) * | 2016-12-12 | 2018-06-14 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for translating based on artificial intelligence |
CN108319592A (zh) * | 2018-02-08 | 2018-07-24 | 广东小天才科技有限公司 | 一种翻译的方法、装置及智能终端 |
CN109582982A (zh) * | 2018-12-17 | 2019-04-05 | 北京百度网讯科技有限公司 | 用于翻译语音的方法和装置 |
CN110852116A (zh) * | 2019-11-07 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 非自回归神经机器翻译方法、装置、计算机设备和介质 |
Non-Patent Citations (2)
Title |
---|
李莎;齐灿;: "基于双语E-Chunk的机器辅助翻译模型仿真" * |
陈欢;张奇;: "基于话题翻译模型的双语文本纠错" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149431A (zh) * | 2020-09-11 | 2020-12-29 | 上海传英信息技术有限公司 | 一种翻译方法及电子设备、可读存储介质 |
CN114495112A (zh) * | 2022-01-20 | 2022-05-13 | 北京字节跳动网络技术有限公司 | 图像中文本的处理方法、装置、可读介质和电子设备 |
EP4239644A1 (en) * | 2022-03-04 | 2023-09-06 | Koninklijke Philips N.V. | Cross-modality data matching |
WO2023165942A1 (en) * | 2022-03-04 | 2023-09-07 | Koninklijke Philips N.V. | Cross-modality data matching |
Also Published As
Publication number | Publication date |
---|---|
CN111382748B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12014275B2 (en) | Method for text recognition, electronic device and storage medium | |
US11455788B2 (en) | Method and apparatus for positioning description statement in image, electronic device, and storage medium | |
CN111382748B (zh) | 图像翻译方法、装置及存储介质 | |
CN108038102B (zh) | 表情图像的推荐方法、装置、终端及存储介质 | |
CN105389296A (zh) | 信息分割方法及装置 | |
EP3171279A1 (en) | Method and device for input processing | |
CN110941966A (zh) | 机器翻译模型的训练方法、装置及系统 | |
CN111461304B (zh) | 分类神经网络的训练方法、文本分类方法、装置及设备 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111435432B (zh) | 网络优化方法及装置、图像处理方法及装置、存储介质 | |
CN114266840A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US11335348B2 (en) | Input method, device, apparatus, and storage medium | |
US20210326649A1 (en) | Configuration method and apparatus for detector, storage medium | |
CN111160047A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN114332503A (zh) | 对象重识别方法及装置、电子设备和存储介质 | |
CN110349577B (zh) | 人机交互方法、装置、存储介质及电子设备 | |
CN108733657B (zh) | 神经机器翻译中注意力参数的修正方法、装置及电子设备 | |
CN113807253A (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
CN112035651B (zh) | 语句补全方法、装置及计算机可读存储介质 | |
CN108241614B (zh) | 信息处理方法和装置、用于信息处理的装置 | |
CN112381091A (zh) | 视频内容识别方法、装置、电子设备及存储介质 | |
CN111783752A (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
US11644970B2 (en) | Number input method, apparatus, and storage medium | |
CN114462410A (zh) | 实体识别方法、装置、终端及存储介质 | |
CN113807540A (zh) | 一种数据处理方法及装置 |
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 |