CN111435407A - 错别字的纠正方法、装置、设备及存储介质 - Google Patents
错别字的纠正方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111435407A CN111435407A CN201910022947.5A CN201910022947A CN111435407A CN 111435407 A CN111435407 A CN 111435407A CN 201910022947 A CN201910022947 A CN 201910022947A CN 111435407 A CN111435407 A CN 111435407A
- Authority
- CN
- China
- Prior art keywords
- text
- characters
- corrected
- wrong
- character
- 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.)
- Pending
Links
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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本公开实施例公开了一种错别字的纠正方法、装置、设备及存储介质。该方法包括:对用户的手写文本进行文字识别,获得待纠正文本;将所述待纠正文本输入文字识别模型,获得所述待纠正文本中的错字和/或别字,以及所述错字和/或别字对应的正确字;将所述错字和/或别字以及正确字推送至用户,使用户对所述错字和/或别字进行纠正。本公开实施例提供的错别字的纠正方法,对用户的手写文本识别获得待纠正文本后,输入文字识别模型,以获得待纠正文本中的错字和/或别字,可以提高错别字纠正的可靠性,且节省时间。
Description
技术领域
本公开实施例涉及文字识别技术领域,尤其涉及一种错别字的纠正方法、装置、设备及存储介质。
背景技术
日常生活中,用户在手写文档时,由于个人的疏忽或者知识面的限制,文档中出现错字或者别字而不自知,从而影响文档的质量,且给看文档的其他人带来不好的体验。现在常用的做法是,请求其他用户对文档进行检查,这种方式的局限在于,会由于其他用户的疏忽或者知识面的限制,遗漏其中一些错别字,可靠性不高,而且其他用户查看文档需要花费一定的时间。
发明内容
本公开实施例提供一种错别字的纠正方法、装置、设备及存储介质,以识别及纠正用户手写文档中出现的错别字,可以提高错别字纠正的可靠性,且节省时间。
第一方面,本公开实施例提供了一种错别字的纠正方法,该方法包括:
对用户的手写文本进行文字识别,获得待纠正文本;
将所述待纠正文本输入文字识别模型,获得所述待纠正文本中的错字和/或别字,以及所述错字和/或别字对应的正确字;
将所述错字和/或别字以及正确字推送至用户,使用户对所述错字和/或别字进行纠正。
进一步地,对用户的手写文本进行文字识别,包括:
扫描用户的手写文本,获得初始文本图像;
对所述初始文本图像进行降噪处理,获得降噪文本图像;
针对降噪文本图像中的每一行文本,基于设定算法进行字符分割;
对分割后的字符采用光学字符识别OCR技术进行文字识别,获得待纠正文本。
进一步地,对所述初始文本图像进行降噪处理,获得降噪文本图像,包括:
将所述初始文本图像进行灰度处理,获得灰度化文本图像;
对所述灰度化文本图像二值化化处理,获得二值化文本图像;
对所述二值化文本图像进行去孤点操作,获得降噪文本图像。
进一步地,针对降噪文本图像中的每一行文本,基于设定算法进行字符分割,包括:
采用边缘估计算法对每一行文字文本的字数进行估计;
根据估计出的字数进行字符分割。
进一步地,对分割后的字符采用光学字符识别OCR技术进行文字识别,获得待纠正文本,包括:
对分割后的每个字符进行笔划抽取;
对抽取出的笔划进行模糊特征计算及处理;
将处理的笔划组合,获得每个字符分别对应的文字,获得待纠正文本。
进一步地,在将所述待纠正文本输入文字识别模型之前,还包括:
获取汉字样本集;
基于所述样本集,采用设定机器学习算法进行模型训练,获得文字识别模型。
进一步地,所述样本集包括由正确字组成的正例以及由正确字对应的错别字组成的反例。
第二方面,本公开实施例还提供了一种错别字的纠正装置,该装置包括:
待纠正文本获取模块,用于对用户的手写文本进行文字识别,获得待纠正文本;
错字和/或别字获取模块,用于将所述待纠正文本输入文字识别模型,获得所述待纠正文本中的错字和/或别字,以及所述错字和/或别字对应的正确字;
错字和/或别字纠正模块,用于将所述错字和/或别字以及正确字推送至用户,使用户对所述错字和/或别字进行纠正。
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错别字的纠正方法。
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,该程序被处理装置执行时实现如本公开实施例所述的错别字的纠正方法。
本公开实施例,首先对用户的手写文本进行文字识别,获得待纠正文本,然后将待纠正文本输入文字识别模型,获得待纠正文本中的错字和/或别字,以及错字和/或别字对应的正确字,最后将错字和/或别字以及正确字推送至用户,使用户对错字和/或别字进行纠正。本公开实施例提供的错别字的纠正方法,对用户的手写文本识别获得待纠正文本后,输入文字识别模型,以获得待纠正文本中的错字和/或别字,可以提高错别字纠正的可靠性,且节省时间。
附图说明
图1是本公开实施例一中的一种错别字的纠正方法的流程图;
图2是本公开实施例二中的一种错别字的纠正装置的结构示意图;
图3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
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分而非全部结构。
下述各实施例中,每个实施例中同时提供了可选特征和示例,实施例中记载的各个特征可进行组合,形成多个可选方案,不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1为本公开实施例一提供的一种错别字的纠正方法的流程图,本实施例可适用于对手写文本中的错别字进行识别的情况,该方法可以由错别字的纠正装置来执行,该装置可由硬件和/或软件组成,并一般可集成在具有错别字的纠正功能的设备中,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1所示,该方法具体包括如下步骤:
步骤110,对用户的手写文本进行文字识别,获得待纠正文本。
本实施例中,可以采用光学字符识别(Optical Character Recognition,OCR)技术对用户的手写文本进行文字识别。具体的过程可以是,扫描手写文本获得字符,通过检测暗、亮模式确定其形状,然后用字符识别方法将形状翻译为计算机文字;即,针对印刷体字符,采用光学的方式将纸质文本中的文字转化为黑白点阵的图像文件,并通过识别软件将图像中的文字转化成文本格式,从而获得待纠正文本。
可选的,对用户的手写文本进行文字识别,可通过下述方式实施:扫描用户的手写文本,获得初始文本图像;对初始文本图像进行降噪处理,获得降噪文本图像;针对降噪文本图像中的每一行文本,基于设定算法进行字符分割;对分割后的字符采用光学字符识别OCR技术进行文字识别,获得待纠正文本。
其中,可以采用扫描仪或者数码相机等电子设备对手写文本进行扫描。
对初始文本图像进行降噪处理,获得降噪文本图像的过程可以是,将初始文本图像进行灰度处理,获得灰度化文本图像;对灰度化文本图像二值化化处理,获得二值化文本图像;对二值化文本图像进行去孤点操作,获得降噪文本图像。
本实施例中,初始文本图像为彩色图像,对彩色图像进行灰度处理的方式可以是,对于每个像素点,对红绿蓝(Red Green Blue,RGB)分量按照设定计算方法获得每个像素点的灰度值,从而获得灰度图像。其中,设定计算方法包括:分量法、最大值法、平均值法或者加权平均法。分量法的原理是将RGB三分量中的任意一个分量值确定为当前像素点的灰度值,例如,将红分量的值确定为灰度值;最大值法的原理是将RGB三分量中的最大值确定为灰度值;平均值法是将RGB三分量值的平均值确定为灰度值;加权平均法的原理是将RBG三分量以不同的权重进行加权平均获得灰度值。
对灰度化文本图像二值化处理的方式可以是,首先确定一个阈值,根据该阈值对每一个像素点进行二值化处理。若像素点的灰度值大于该阈值,则将像素点设置为白色,否则设置为黑色。其中阈值的范围是0-255之间的任意值。
去孤点操作的方式可以是采用八领域清除孤点法去孤点,示例性的,在3*3的图像块中,如果当前像素点f(i,j)为黑色,而其相邻的8个像素点f(i,j+1),f(i,j-1),f(i-1,j),f(i+1,j),f(i-1,j-1),f(i+1,j-1),f(i-1,j+1),f(i+1,j+1)均为白色,则将当前像素点设为白色。
可选的,针对降噪文本图像中的每一行文本,基于设定算法进行字符分割,可通过下述方式实施:采用边缘估计算法对每一行文字文本的字数进行估计;根据估计出的字数进行字符分割。
边缘估计算法的原理可以是,获取当前行文本对应的图像中每一像素列的高度,根据相邻像素列的高度确定各像素列的变化趋势,根据相邻像素列的变化趋势确定切分点,根据切分点对当前行文本的字数进行估计。其中,像素列的高度为像素列的底部离最近的黑点的距离;相邻像素列包括当前像素列和其右边的像素列;变化趋势包括向上趋势和向下趋势,若当前像素列的高度小于其右边像素列的高度,则为向上趋势,若当前像素列的高度大于其右边像素列的高度,则为向下趋势;若当前像素列的变化趋势为向上趋势且其右边像素列的变化趋势为向下趋势,则该像素列为一个切分点;切分点的数量即为估计的字数。
根据估计出的字数进行字符分割的方式可以是,将与切分点位于同一列的像素点组成的直线确定为切分线,根据切分线对相邻两个字符进行切割。或者采用最小代价切分算法进行字符分割,过程可以是对于当前切分点,采用最小切分算法从当前且分点开始向上查找像素点,获取两个字符间的切分线,根据切分线对两个字符进行切割。切分线由两个字符间由下到上的像素点构成。
可选的,对分割后的字符采用OCR技术进行文字识别,获得待纠正文本,可通过下述方式实施:对分割后的每个字符进行笔划抽取;对抽取出的笔划进行模糊特征计算及处理;将处理的笔划组合,获得每个字符分别对应的文字,获得待纠正文本。
具体的,可以采用多边形主曲线算法提取字符骨架完成笔划抽取。多边形主曲线算法的原理是首先确定一条直线段,然后不断加入新的端点来增加线段的数量。其中,各段曲线的端点包括端点、三叉分点和多叉分点三类,构成初始笔划集合。对抽取出的笔划进行模糊特征计算及处理的过程可以是,获取笔划的固有特征和关系特征,然后对获得的模糊特征进行处理,获得处理后的笔划。最后将处理后的笔划进行组合,获得每个字符对应的文字,从而获得待纠正文本。
步骤120,将待纠正文本输入文字识别模型,获得待纠正文本中的错字和/或别字,以及错字和/或别字对应的正确字。
其中,文字识别模型分类模型可以是基于汉字样本集,采用设定机器学习算法进行模型训练获得的模型。样本集包括由正确字组成的正例以及由正确字对应的错别字组成的反例。本实施例中,文字识别模型的工作原理可以是,将待纠正文本输入文字识别模型后,文字识别模型对输入的待纠正文本进行分析,获取待纠正文本中的错字和/或别字以及错字和/或别字对应的正确字。
步骤130,将错字和/或别字以及正确字推送至用户,使用户对错字和/或别字进行纠正。
在获得待纠正文本中的错字和/或别字以及错字和/或别字对应的正确字后,将错字和/或别字以及正确字推送至用户,使用户对错字和/或别字进行纠正。
可选的,在将待纠正文本输入文字识别模型之前,还包括如下步骤:获取汉字样本集;基于样本集,采用设定机器学习算法进行模型训练,获得文字识别模型。
其中设定机器算法可以是深度神经网络(Deep Neural Network,DNN)算法、卷积神经网络(Convolutional Neural Networks,CNN)算法或者循环神经网络(RecurrentNeural Network,RNN)算法。具体的,在获得汉字样本集后,采用设定机器算法不断进行模型训练,在训练过程中,不断调整设定机器算法中的参数,直到模型具有准确输出文本中错别字以及错别字对应的准确字的能力,从而获得文字识别模型。
本实施例的技术方案,首先对用户的手写文本进行文字识别,获得待纠正文本,然后将待纠正文本输入文字识别模型,获得待纠正文本中的错字和/或别字,以及错字和/或别字对应的正确字,最后将错字和/或别字以及正确字推送至用户,使用户对错字和/或别字进行纠正。本公开实施例提供的错别字的纠正方法,对用户的手写文本识别获得待纠正文本后,输入文字识别模型,以获得待纠正文本中的错字和/或别字,可以提高错别字纠正的可靠性,且节省时间。
实施例二
图2为本公开实施例二提供的一种错别字的纠正装置的结构示意图。如图2所示,该装置包括:待纠正文本获取模块210,错字和/或别字获取模块220和错字和/或别字获取模块220。
待纠正文本获取模块210,用于对用户的手写文本进行文字识别,获得待纠正文本;
错字和/或别字获取模块220,用于将所述待纠正文本输入文字识别模型,获得所述待纠正文本中的错字和/或别字,以及所述错字和/或别字对应的正确字;
错字和/或别字纠正模块230,用于将所述错字和/或别字以及正确字推送至用户,使用户对所述错字和/或别字进行纠正。
可选的,待纠正文本获取模块210,还用于:
扫描用户的手写文本,获得初始文本图像;
对所述初始文本图像进行降噪处理,获得降噪文本图像;
针对降噪文本图像中的每一行文本,基于设定算法进行字符分割;
对分割后的字符采用光学字符识别OCR技术进行文字识别,获得待纠正文本。
可选的,待纠正文本获取模块210,还用于:
将所述初始文本图像进行灰度处理,获得灰度化文本图像;
对所述灰度化文本图像二值化化处理,获得二值化文本图像;
对所述二值化文本图像进行去孤点操作,获得降噪文本图像。
可选的,待纠正文本获取模块210,还用于:
采用边缘估计算法对每一行文字文本的字数进行估计;
根据估计出的字数进行字符分割。
可选的,待纠正文本获取模块210,还用于:
对分割后的每个字符进行笔划抽取;
对抽取出的笔划进行模糊特征计算及处理;
将处理的笔划组合,获得每个字符分别对应的文字,获得待纠正文本。
可选的,还包括:
汉字样本集获取模块,用于获取汉字样本集;
文字识别模型获取模块,用于基于所述样本集,采用设定机器学习算法进行模型训练,获得文字识别模型。
可选的,所述样本集包括由正确字组成的正例以及由正确字对应的错别字组成的反例。
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3,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3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3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3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错别字的纠正方法的程序代码。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、随机访问存储装置(RAM)、只读存储装置(ROM)、可擦式可编程只读存储装置(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储装置(CD-ROM)、光存储装置件、磁存储装置件、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。
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处理装置执行时,使得该电子设备:对用户的手写文本进行文字识别,获得待纠正文本;将待纠正文本输入文字识别模型,获得待纠正文本中的错字和/或别字,以及错字和/或别字对应的正确字;将错字和/或别字以及正确字推送至用户,使用户对错字和/或别字进行纠正。
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,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,获取模块还可以被描述为“错别字的纠正模块”。
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 (10)
1.一种错别字的纠正方法,其特征在于,包括:
对用户的手写文本进行文字识别,获得待纠正文本;
将所述待纠正文本输入文字识别模型,获得所述待纠正文本中的错字和/或别字,以及所述错字和/或别字对应的正确字;
将所述错字和/或别字以及正确字推送至用户,使用户对所述错字和/或别字进行纠正。
2.根据权利要求1所述的方法,其特征在于,对用户的手写文本进行文字识别,包括:
扫描用户的手写文本,获得初始文本图像;
对所述初始文本图像进行降噪处理,获得降噪文本图像;
针对降噪文本图像中的每一行文本,基于设定算法进行字符分割;
对分割后的字符采用光学字符识别OCR技术进行文字识别,获得待纠正文本。
3.根据权利要求2所述的方法,其特征在于,对所述初始文本图像进行降噪处理,获得降噪文本图像,包括:
将所述初始文本图像进行灰度处理,获得灰度化文本图像;
对所述灰度化文本图像二值化化处理,获得二值化文本图像;
对所述二值化文本图像进行去孤点操作,获得降噪文本图像。
4.根据权利要求2所述的方法,其特征在于,针对降噪文本图像中的每一行文本,基于设定算法进行字符分割,包括:
采用边缘估计算法对每一行文字文本的字数进行估计;
根据估计出的字数进行字符分割。
5.根据权利要求2所述的方法,其特征在于,对分割后的字符采用光学字符识别OCR技术进行文字识别,获得待纠正文本,包括:
对分割后的每个字符进行笔划抽取;
对抽取出的笔划进行模糊特征计算及处理;
将处理的笔划组合,获得每个字符分别对应的文字,获得待纠正文本。
6.根据权利要求1所述的方法,其特征在于,在将所述待纠正文本输入文字识别模型之前,还包括:
获取汉字样本集;
基于所述样本集,采用设定机器学习算法进行模型训练,获得文字识别模型。
7.根据权利要求6所述的方法,其特征在于,所述样本集包括由正确字组成的正例以及由正确字对应的错别字组成的反例。
8.一种错别字的纠正装置,其特征在于,包括:
待纠正文本获取模块,用于对用户的手写文本进行文字识别,获得待纠正文本;
错字和/或别字获取模块,用于将所述待纠正文本输入文字识别模型,获得所述待纠正文本中的错字和/或别字,以及所述错字和/或别字对应的正确字;
错字和/或别字纠正模块,用于将所述错字和/或别字以及正确字推送至用户,使用户对所述错字和/或别字进行纠正。
9.一种电子设备,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1-7中任一所述的错别字的纠正方法。
10.一种计算机可读介质,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1-7中任一所述的错别字的纠正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910022947.5A CN111435407A (zh) | 2019-01-10 | 2019-01-10 | 错别字的纠正方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910022947.5A CN111435407A (zh) | 2019-01-10 | 2019-01-10 | 错别字的纠正方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111435407A true CN111435407A (zh) | 2020-07-21 |
Family
ID=71579762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910022947.5A Pending CN111435407A (zh) | 2019-01-10 | 2019-01-10 | 错别字的纠正方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111435407A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837129A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技(深圳)有限公司 | 手写签名错别字识别方法、装置、设备及存储介质 |
EP4047519A1 (en) | 2021-02-22 | 2022-08-24 | Carl Zeiss Vision International GmbH | Devices and methods for processing eyeglass prescriptions |
EP4101367A1 (en) | 2021-06-09 | 2022-12-14 | Carl Zeiss Vision International GmbH | Method and device for determining a visual performance |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916941A (zh) * | 2005-08-18 | 2007-02-21 | 北大方正集团有限公司 | 一种字符识别的后处理方法 |
CN102567725A (zh) * | 2011-12-23 | 2012-07-11 | 国网电力科学研究院 | 一种金融ocr系统手写体数字串的软切分方法 |
CN102663378A (zh) * | 2012-03-22 | 2012-09-12 | 杭州新锐信息技术有限公司 | 连笔手写字符的识别方法 |
CN107885345A (zh) * | 2017-10-17 | 2018-04-06 | 深圳市金立通信设备有限公司 | 一种辅助修正文字的方法、终端及计算机可读介质 |
CN108090043A (zh) * | 2017-11-30 | 2018-05-29 | 北京百度网讯科技有限公司 | 基于人工智能的纠错举报处理方法、装置及可读介质 |
CN108491392A (zh) * | 2018-03-29 | 2018-09-04 | 广州视源电子科技股份有限公司 | 文字拼写错误的修正方法、系统、计算机设备及存储介质 |
CN108874174A (zh) * | 2018-05-29 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种文本纠错方法、装置以及相关设备 |
-
2019
- 2019-01-10 CN CN201910022947.5A patent/CN111435407A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916941A (zh) * | 2005-08-18 | 2007-02-21 | 北大方正集团有限公司 | 一种字符识别的后处理方法 |
CN102567725A (zh) * | 2011-12-23 | 2012-07-11 | 国网电力科学研究院 | 一种金融ocr系统手写体数字串的软切分方法 |
CN102663378A (zh) * | 2012-03-22 | 2012-09-12 | 杭州新锐信息技术有限公司 | 连笔手写字符的识别方法 |
CN107885345A (zh) * | 2017-10-17 | 2018-04-06 | 深圳市金立通信设备有限公司 | 一种辅助修正文字的方法、终端及计算机可读介质 |
CN108090043A (zh) * | 2017-11-30 | 2018-05-29 | 北京百度网讯科技有限公司 | 基于人工智能的纠错举报处理方法、装置及可读介质 |
CN108491392A (zh) * | 2018-03-29 | 2018-09-04 | 广州视源电子科技股份有限公司 | 文字拼写错误的修正方法、系统、计算机设备及存储介质 |
CN108874174A (zh) * | 2018-05-29 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种文本纠错方法、装置以及相关设备 |
Non-Patent Citations (2)
Title |
---|
刘聪: "包含小数点的手写数字串切分与识别", pages 32 - 38 * |
洪汉玉: "现代图像图形处理与分析", 中国地质大学出版社, pages: 123 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4047519A1 (en) | 2021-02-22 | 2022-08-24 | Carl Zeiss Vision International GmbH | Devices and methods for processing eyeglass prescriptions |
WO2022175511A1 (en) | 2021-02-22 | 2022-08-25 | Carl Zeiss Vision International Gmbh | Devices and methods for processing eyeglass prescriptions |
EP4101367A1 (en) | 2021-06-09 | 2022-12-14 | Carl Zeiss Vision International GmbH | Method and device for determining a visual performance |
WO2022258647A1 (en) | 2021-06-09 | 2022-12-15 | Carl Zeiss Vision International Gmbh | Method and device for determining a visual performance |
CN113837129A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技(深圳)有限公司 | 手写签名错别字识别方法、装置、设备及存储介质 |
CN113837129B (zh) * | 2021-09-29 | 2023-10-03 | 平安科技(深圳)有限公司 | 手写签名错别字识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046529B (zh) | 二维码识别方法、装置及设备 | |
US10817741B2 (en) | Word segmentation system, method and device | |
US9043349B1 (en) | Image-based character recognition | |
CN107220640B (zh) | 字符识别方法、装置、计算机设备和计算机可读存储介质 | |
CN106980856B (zh) | 公式识别方法及系统和符号推理计算方法及系统 | |
US9141874B2 (en) | Feature extraction and use with a probability density function (PDF) divergence metric | |
CN107977658B (zh) | 图像文字区域的识别方法、电视机和可读存储介质 | |
CN110942004A (zh) | 基于神经网络模型的手写识别方法、装置及电子设备 | |
US9082039B2 (en) | Method and apparatus for recognizing a character based on a photographed image | |
CN106537416B (zh) | 图像处理装置、文字识别装置、图像处理方法及存储介质 | |
CN111435407A (zh) | 错别字的纠正方法、装置、设备及存储介质 | |
US9275279B2 (en) | Image processing apparatus and image processing method | |
US11341739B2 (en) | Image processing device, image processing method, and program recording medium | |
CN112115921A (zh) | 一种真伪鉴别方法、装置以及电子设备 | |
CN112949649B (zh) | 一种文本图像的识别方法、装置及计算设备 | |
US10115036B2 (en) | Determining the direction of rows of text | |
CN111209865A (zh) | 文件内容提取方法、装置、电子设备及存储介质 | |
CN109508716B (zh) | 一种图像文字的定位方法及装置 | |
CN107992872B (zh) | 一种对图片进行文本识别的方法及移动终端 | |
CN113610809A (zh) | 骨折检测方法、装置、电子设备以及存储介质 | |
CN109635798B (zh) | 一种信息提取方法及装置 | |
CN107330470B (zh) | 识别图片的方法和装置 | |
KR101498546B1 (ko) | 문서 디지털 복원 시스템 및 방법 | |
CN111428721A (zh) | 词语释义的确定方法、装置、设备及存储介质 | |
KR101048399B1 (ko) | 문자 검출 방법 및 장치 |
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 |