CN111814796A - 字符序列识别方法及装置、电子设备和存储介质 - Google Patents

字符序列识别方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111814796A
CN111814796A CN202010609718.6A CN202010609718A CN111814796A CN 111814796 A CN111814796 A CN 111814796A CN 202010609718 A CN202010609718 A CN 202010609718A CN 111814796 A CN111814796 A CN 111814796A
Authority
CN
China
Prior art keywords
feature
sub
feature map
image
character sequence
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.)
Withdrawn
Application number
CN202010609718.6A
Other languages
English (en)
Inventor
孙红斌
岳晓宇
旷章辉
蔺琛皓
张伟
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 Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development 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 Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN202010609718.6A priority Critical patent/CN111814796A/zh
Publication of CN111814796A publication Critical patent/CN111814796A/zh
Withdrawn legal-status Critical Current

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
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

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

Abstract

本公开涉及一种字符序列识别方法及装置、电子设备和存储介质，所述方法包括：对待识别图像进行特征提取，得到所述待识别图像的特征图；根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图；对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。本公开实施例可提高不规则字符序列的识别准确度和效率。

Description

字符序列识别方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机视觉技术领域，尤其涉及一种字符序列识别方法及装置、电子设备和存储介质。
背景技术
字符序列识别在视觉理解、自动驾驶等方面有着重要的作用。相关技术中通过递归识别网络识别字符序列，字符序列识别效率低下。
发明内容
本公开提出了一种用于进行字符序列识别的字符序列识别方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种字符序列识别方法，包括：
对待识别图像进行特征提取，得到所述待识别图像的特征图；
根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图；
对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。
在一种可能的实现方式中，所述根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图，包括：
对所述特征图的通道进行选择，得到多个通道组；
根据所述多个通道组，对所述特征图进行分割，得到多个子特征图。
在一种可能的实现方式中，所述方法还包括：
根据所述特征图，得到所述待识别图像的注意力矩阵；
根据所述多个通道组，对所述特征图进行分割，得到多个子特征图，包括：
根据所述多个通道组与所述注意力矩阵，得到每个所述通道组对应的注意力特征图；
根据所述注意力特征图与所述特征图，得到多个子特征图。
在一种可能的实现方式中，所述对所述特征图的通道进行选择，得到多个通道组，包括：
通过二叉分割树对所述特征图的通道进行选择，得到多个通道组。
在一种可能的实现方式中，所述对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列，包括：
针对任一子特征图，确定所述子特征图是否对应一个字符；
在所述子特征图对应一个字符的情况下，对所述子特征图进行识别，确定所述子特征图对应的字符。
在一种可能的实现方式中，所述多个通道组呈树状结构，所述对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列，还包括：
从左向右遍历多个通道组对应的所述子特征图所对应的字符，得到所述待识别图像中的字符序列。
在一种可能的实现方式中，所述方法通过字符序列识别网络实现，所述方法还包括：
通过预设的训练集训练所述字符序列识别网络，所述训练集中包括多个样本组，所述样本组包括样本图像及所述样本图像中包含的标注字符序列。
在一种可能的实现方式中，所述字符序列识别网络包括特征提取网络、特征分割网络、及分类网络，所述通过预设的训练集训练所述字符序列识别网络，包括：
通过所述特征提取网络对所述样本图像进行特征提取，得到所述样本图像对应的样本特征图；
所述特征分割网络根据所述样本特征图的通道对所述样本图像进行分割，得到多个子样本特征图；
通过所述分类网络对所述子样本特征图进行识别，确定所述样本图像中的字符序列；
根据所述样本图像中的字符序列及所述样本图像对应的标注信息，训练所述字符序列识别网络。
根据本公开的一方面，提供了一种字符序列识别装置，包括：
提取模块，用于对待识别图像进行特征提取，得到所述待识别图像的特征图；
分割模块，用于根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图；
识别模块，用于对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。
在一种可能的实现方式中，所述分割模块还用于：
对所述特征图的通道进行选择，得到多个通道组；
根据所述多个通道组，对所述特征图进行分割，得到多个子特征图。
在一种可能的实现方式中，所述装置还包括：
处理模块，用于根据所述特征图，得到所述待识别图像的注意力矩阵；
所述分割模块，还用于：
根据所述多个通道组与所述注意力矩阵，得到每个所述通道组对应的注意力特征图；
根据所述注意力特征图与所述特征图，得到多个子特征图。
在一种可能的实现方式中，所述分割模块，还用于：
通过二叉分割树对所述特征图的通道进行选择，得到多个通道组。
在一种可能的实现方式中，所述识别模块，还用于：
针对任一子特征图，确定所述子特征图是否对应一个字符；
在所述子特征图对应一个字符的情况下，对所述子特征图进行识别，确定所述子特征图对应的字符。
在一种可能的实现方式中，所述多个通道组呈树状结构，所述识别模块还用于：
从左向右遍历多个通道组对应的所述子特征图所对应的字符，得到所述待识别图像中的字符序列。
在一种可能的实现方式中，所述装置通过字符序列识别网络实现，所述装置还包括：
训练模块，用于通过预设的训练集训练所述字符序列识别网络，所述训练集中包括多个样本组，所述样本组包括样本图像及所述样本图像中包含的标注字符序列。
在一种可能的实现方式中，所述字符序列识别网络包括特征提取网络、特征分割网络、及分类网络，所述训练模块还用于：
通过所述特征提取网络对所述样本图像进行特征提取，得到所述样本图像对应的样本特征图；
所述特征分割网络根据所述样本特征图的通道对所述样本图像进行分割，得到多个子样本特征图；
通过所述分类网络对所述子样本特征图进行识别，确定所述样本图像中的字符序列；
根据所述样本图像中的字符序列及所述样本图像对应的标注信息，训练所述字符序列识别网络。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
上述实施例的字符序列识别方法及装置、电子设备和存储介质可以对待识别图像进行特征提取，得到所述待识别图像的特征图，并根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图，进一步的对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。根据本公开实施例提供的字符序列识别方法及装置、电子设备和存储介质，可以通过对特征图进行分割的方式，得到待处理图像中各个字符分别对应的子特征图，进而对子特征图进行识别，可以得到待识别图像中的字符序列，由于对各个子特征图的识别过程可以并行进行，因此在能够提高不规则字符序列的识别或者规则字符序列的识别的识别效率。
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，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的字符序列识别方法的流程图；
图2示出根据本公开实施例的字符序列识别方法的流程图；
图3示出根据本公开实施例的字符序列识别方法的示意图；
图4示出根据本公开实施例的字符序列识别方法的流程图；
图5(a)～图5(d)示出根据本公开实施例的字符序列识别方法的示意图；
图6示出根据本公开实施例的字符序列识别方法的示意图；
图7示出根据本公开实施例的字符序列识别方法的示意图；
图8示出根据本公开实施例的字符序列识别装置的框图；
图9示出根据本公开实施例的一种电子设备800的框图；
图10示出根据本公开实施例的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种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。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的字符序列识别方法的流程图，所述字符序列识别方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal DigitalAssistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。
本公开实施例可以对不规则字符序列进行识别，也可以对规则字符序列进行识别。如图1所示，所述字符序列识别方法可以包括：
在步骤S11中，对待识别图像进行特征提取，得到所述待识别图像的特征图。
举例来说，可以提取待识别图像的特征，得到待识别图像的特征图。示例性的，可以通过预训练的用于提取图像特征的神经网络对待识别图像进行特征提取，以得到待识别图像的特征图，该神经网络可以为卷积神经网络。
在步骤S12中，根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图。
举例来说，不同的通道可能用来编解码不同的字符，例如：对于4通道的特征图来说，可能前2个通道用于编解码第一个字符，后2个通道用于编解码第二个字符，因此可以根据特征图的通道，将特征图分割成多个子特征图，得到待处理图像中各个字符分别对应的子特征图。
在步骤S13中，对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。
举例来说，可以对多个子特征图分别进行识别，各个子特征图的识别过程可以并行进行，可以通过该对应待处理图像中各个字符的多个子特征图的识别结果，得到待处理图像中的多个字符，进而多个字符可以组成待识别图像中的字符序列。
上述实施例可以对待识别图像进行特征提取，得到所述待识别图像的特征图，并根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图，进一步的对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。根据本公开实施例提供的字符序列识别方法，可以通过对特征图进行分割的方式，得到待处理图像中各个字符分别对应的子特征图，进而对子特征图进行识别，可以得到待识别图像中的字符序列，由于对各个子特征图的识别过程可以并行进行，因此在进行不规则字符序列的识别或者规则字符序列的识别时，可以提高字符序列的识别效率。
在一种可能的实现方式中，参照图2，在步骤S12中，所述根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图，可以包括：
在步骤S121中，对所述特征图的通道进行选择，得到多个通道组。
举例来说，在进行特征提取时，提取的多个维度的特征组成对应的特征图，每一维度即为特征图的一个通道。可以对特征图的通道进行选择，被选择的通道的标识和未被选择的通道的标识组成通道组。
在任一通道组中，被选择的通道可以对应标识“1”，未被选择的通道组可以对应标识“0”，例如：对于一个4通道的特征图，在全部通道均被选择时，得到的通道组为：1111，在前两个通道被选择，而后两个通道未被选择时，得到的通道组为：1100。
在一种可能的实现方式中，所述对所述特征图的通道进行选择，得到多个通道组，可以包括：
通过二叉分割树对所述特征图的通道进行选择，得到多个通道组。
举例来说，可以通过二叉分割树对特征图的通道进行选择，即每次将特征图被选择的通道进行两次选择：只选择前半部分，及只选择后半部分，得到2n-1个通道组，其中n为通道的个数。例如：针对4通道的特征图而言，通过二叉分割树得到的7个通道组可以包括：1111、1100、0011、1000、0100、0010、0001，参照图4。
在步骤S122中，根据所述多个通道组，对所述特征图进行分割，得到多个子特征图。
举例来说，在得到多个通道组后，可以根据各个通道组将特征图分割成与各个通道组对应的子特征图。例如：针对4通道的特征图，对应的通道组为7个，则可以根据该7个通道组对特征图进行分割，得到该7个通道组对应的7个子特征图。
在一种可能的实现方式中，如图3所示，所述方法还可以包括：
在步骤S14中，根据所述特征图，得到所述待识别图像的注意力矩阵；
举例来说，可以通过预训练的用于进行注意力矩阵提取的神经网络，对特征图进行处理，得到待识别图像对应的注意力矩阵，其中，注意力矩阵中各个位置对应的值为0至1之间的数值，值越高对应位置显示越亮，故注意力矩阵可以用于标识出待处理图像中各个字符所对应的位置。
在本公开实施例中，步骤S122所述根据所述多个通道组，对所述特征图进行分割，得到多个子特征图，可以包括：
在步骤S1221中，根据所述多个通道组与所述注意力矩阵，得到每个所述通道组对应的注意力特征图。
举例来说，在得到待识别图像的注意力矩阵后，可以将该注意力矩阵分别与各个通道组进行相乘取最大值操作，得到各个通道组对应的注意力特征图。
在步骤S1222中，根据所述注意力特征图与所述特征图，得到多个子特征图。
举例来说，可以将各个注意力特征图分别与待识别图像对应的特征图进行加权和计算，从而提取每一部分的特征，得到各个通道组对应的子特征图。
在一种可能的实现方式中，所述对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列，可以包括：
针对任一子特征图，确定所述子特征图是否对应一个字符；
在所述子特征图对应一个字符的情况下，对所述子特征图进行识别，确定所述子特征图对应的字符。
举例来说，可以预训练用于识别特征图是否对应一个字符的神经网络，通过该神经网络确定各个子特征图是否对应一个字符。若子特征图对应一个字符，则可以继续对该子特征图进行字符识别，得到该子特征图对应的字符。若子特征图不对应一个字符，则不对该子特征图进行字符识别。
示例性的，参照图4所示的通道组，假设通过通道组1111得到的子特征图对应1个字符，识别后得到该子特征图对应的字符为a，其余子特征图均不对应一个字符，则不进行字符识别，得到的待识别图像中的字符序列为a(参照图5(a))。
假设通过通道组1100和0011得到的两个子特征图分别对应1个字符，识别后得到该子特征图对应的字符分别为a和b，其余子特征图均不对应一个字符，则不进行字符识别，得到的待识别图像中的字符序列为ab(参照图5(b))。
假设通过通道组1000、0100、和0011得到的三个子特征图分别对应1个字符，识别后得到该子特征图对应的字符分别为a、b和c，其余子特征图均不对应一个字符，则不进行字符识别，得到的待识别图像中的字符序列为abc(参照图5(c))。
假设通过通道组1000、0100、和0010和0001得到的四个子特征图分别对应1个字符，识别后得到该子特征图对应的字符分别为a、b、c和d，其余子特征图均不对应一个字符，则不进行字符识别，得到的待识别图像中的字符序列为abcd(参照图5(d))。
在一种可能的实现方式中，所述多个通道组呈树状结构，所述对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列，还可以包括：
从左向右遍历多个通道组对应的所述子特征图所对应的字符，得到所述待识别图像中的字符序列。
举例来说，二叉分割树得到的多个通道组呈树状结构，该树状结构可以参照图4所示，则在得到各个子特征图对应的字符后，可以按照对各个子特征图对应的通道组从左向右遍历的顺序，对子特征图对应的字符进行遍历，将字符按序组合，可以得到待识别图像中的字符序列。
在一种可能的实现方式中，所述方法通过字符序列识别网络实现，所述方法还可以包括：
通过预设的训练集训练所述字符序列识别网络，所述训练集中包括多个样本组，所述样本组包括样本图像及所述样本图像中包含的标注字符序列。
举例来说，可以根据样本组训练字符序列识别网络，以使得将待识别图像输入字符序列识别网络后，可以得到待识别图像中的字符序列。
在一种可能的实现方式中，所述字符序列识别网络包括特征提取网络、特征分割网络、及分类网络，所述通过预设的训练集训练所述字符序列识别网络，包括：
通过所述特征提取网络对所述样本图像进行特征提取，得到所述样本图像对应的样本特征图；
所述特征分割网络根据所述样本特征图的通道对所述样本图像进行分割，得到多个子样本特征图；
通过所述分类网络对所述子样本特征图进行识别，确定所述样本图像中的字符序列；
根据所述样本图像中的字符序列及所述样本图像对应的标注信息，训练所述字符序列识别网络。
举例来说，参照图6，字符序列识别网络可以包括特征提取网络，特征分割网络及分类网络三部分，其中分类网络包括第一分类网络及第二分类网络，第一分类网络可以用于确定子特征图是否对应一个字符，第二分类网络可以用于识别子特征图对应的字符序列。
举例来说，将样本图像输入字符序列识别网络后，可以通过特征提取网络提取样本图像的样本特征图x，并通过特征分割网络将样本特征图x分割成多个子样本特征图e。
示例性的，参照图7，特征分割网络可以包括注意力机制、特征变化网络、二叉树分割网络。通过注意力机制对样本特征图x进行注意力提取，可以得到样本特征图x对应的注意力矩阵xa，通过特征变化网络对样本特征图x进行卷积处理，得到变化后的样本特征图xb。通过二叉树分割网络根据样本特征图的通道对注意力矩阵xa进行分割处理，得到多个注意力特征图d。通过多个注意力特征图d与样本特征图xb进行加权求和，可以得到多个子样本特征图e。
可以通过分类网络对子样本特征图e进行识别。其中，分类网络包括第一分类网络和第二分类网络，可以通过第一分类网络确定子样本特征图e是否对应一个字符，在子样本特征图e对应一个字符时，可以通过第二分类网络对子样本特征图e进行识别，得到该子样本图像e对应的字符。进而得到样本图像中的字符序列。
在得到该样本图像中的字符序列后，可以根据样本图像中的字符序列及样本图像对应的标注信息得到字符序列识别网络的识别损失，进而根据该识别损失调整该字符序列识别网络的网络参数，直至字符序列识别网络的识别损失满足训练要求。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了字符序列识别装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种字符序列识别方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图8示出根据本公开实施例字符序列识别装置的框图，如图8所示，所述字符序列识别装置包括：
提取模块81，可以用于对待识别图像进行特征提取，得到所述待识别图像的特征图；
分割模块82，可以用于根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图；
识别模块83，可以用于对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。
上述实施例可以对待识别图像进行特征提取，得到所述待识别图像的特征图，并根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图，进一步的对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。根据本公开实施例提供的字符序列识别装置，可以通过对特征图进行分割的方式，得到待处理图像中各个字符分别对应的子特征图，进而对子特征图进行识别，可以得到待识别图像中的字符序列，由于对各个子特征图的识别过程可以并行进行，因此在进行不规则字符序列的识别或者规则字符序列的识别时，可以提高字符序列的识别效率。
在一种可能的实现方式中，所述分割模块82还可以用于：
对所述特征图的通道进行选择，得到多个通道组；
根据所述多个通道组，对所述特征图进行分割，得到多个子特征图。
在一种可能的实现方式中，所述装置还可以包括：
处理模块，用于根据所述特征图，得到所述待识别图像的注意力矩阵；
所述分割模块82，还可以用于：
根据所述多个通道组与所述注意力矩阵，得到每个所述通道组对应的注意力特征图；
根据所述注意力特征图与所述特征图，得到多个子特征图。
在一种可能的实现方式中，所述分割模块82，还可以用于：
通过二叉分割树对所述特征图的通道进行选择，得到多个通道组。
在一种可能的实现方式中，所述识别模块83，还可以用于：
针对任一子特征图，确定所述子特征图是否对应一个字符；
在所述子特征图对应一个字符的情况下，对所述子特征图进行识别，确定所述子特征图对应的字符。
在一种可能的实现方式中，所述多个通道组呈树状结构，所述识别模块还可以用于：
从左向右遍历多个通道组对应的所述子特征图所对应的字符，得到所述待识别图像中的字符序列。
在一种可能的实现方式中，所述装置通过字符序列识别网络实现，所述装置还包括：
训练模块，用于通过预设的训练集训练所述字符序列识别网络，所述训练集中包括多个样本组，所述样本组包括样本图像及所述样本图像中包含的标注字符序列。
在一种可能的实现方式中，所述字符序列识别网络包括特征提取网络、特征分割网络、及分类网络，所述训练模块还可以用于：
通过所述特征提取网络对所述样本图像进行特征提取，得到所述样本图像对应的样本特征图；
所述特征分割网络根据所述样本特征图的通道对所述样本图像进行分割，得到多个子样本特征图；
通过所述分类网络对所述子样本特征图进行识别，确定所述样本图像中的字符序列；
根据所述样本图像中的字符序列及所述样本图像对应的标注信息，训练所述字符序列识别网络。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的字符序列识别方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的字符序列识别方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图9示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800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，个人数字助理等终端。
参照图9，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800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802可以包括一个或多个处理器820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802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800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804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806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800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。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述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808包括一个前置摄像头和/或后置摄像头。当电子设备800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810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802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814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814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814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(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814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816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(WiFi)，第二代移动通信技术(2G)或第三代移动通信技术(3G)，或它们的组合。在一个示例性实施例中，通信组件816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，所述通信组件816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，电子设备800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，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图10示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图10，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(WindowsServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (11)

1.一种字符序列识别方法，其特征在于，包括：
对待识别图像进行特征提取，得到所述待识别图像的特征图；
根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图；
对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。
2.根据权利要求1所述的方法，其特征在于，所述根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图，包括：
对所述特征图的通道进行选择，得到多个通道组；
根据所述多个通道组，对所述特征图进行分割，得到多个子特征图。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述特征图，得到所述待识别图像的注意力矩阵；
根据所述多个通道组，对所述特征图进行分割，得到多个子特征图，包括：
根据所述多个通道组与所述注意力矩阵，得到每个所述通道组对应的注意力特征图；
根据所述注意力特征图与所述特征图，得到多个子特征图。
4.根据权利要求2或3所述的方法，其特征在于，所述对所述特征图的通道进行选择，得到多个通道组，包括：
通过二叉分割树对所述特征图的通道进行选择，得到多个通道组。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列，包括：
针对任一子特征图，确定所述子特征图是否对应一个字符；
在所述子特征图对应一个字符的情况下，对所述子特征图进行识别，确定所述子特征图对应的字符。
6.根据权利要求5所述的方法，其特征在于，所述多个通道组呈树状结构，所述对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列，还包括：
从左向右遍历多个通道组对应的所述子特征图所对应的字符，得到所述待识别图像中的字符序列。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法通过字符序列识别网络实现，所述方法还包括：
通过预设的训练集训练所述字符序列识别网络，所述训练集中包括多个样本组，所述样本组包括样本图像及所述样本图像中包含的标注字符序列。
8.根据权利要求7所述的方法，其特征在于，所述字符序列识别网络包括特征提取网络、特征分割网络、及分类网络，所述通过预设的训练集训练所述字符序列识别网络，包括：
通过所述特征提取网络对所述样本图像进行特征提取，得到所述样本图像对应的样本特征图；
所述特征分割网络根据所述样本特征图的通道对所述样本图像进行分割，得到多个子样本特征图；
通过所述分类网络对所述子样本特征图进行识别，确定所述样本图像中的字符序列；
根据所述样本图像中的字符序列及所述样本图像对应的标注信息，训练所述字符序列识别网络。
9.一种字符序列识别装置，其特征在于，包括：
提取模块，用于对待识别图像进行特征提取，得到所述待识别图像的特征图；
分割模块，用于根据所述特征图的通道，对所述特征图进行分割，得到多个子特征图；
识别模块，用于对所述多个子特征图分别进行识别，得到所述待识别图像中的字符序列。
10.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
CN202010609718.6A 2020-06-29 2020-06-29 字符序列识别方法及装置、电子设备和存储介质 Withdrawn CN111814796A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010609718.6A CN111814796A (zh) 2020-06-29 2020-06-29 字符序列识别方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010609718.6A CN111814796A (zh) 2020-06-29 2020-06-29 字符序列识别方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN111814796A true CN111814796A (zh) 2020-10-23

Family

ID=72856219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010609718.6A Withdrawn CN111814796A (zh) 2020-06-29 2020-06-29 字符序列识别方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111814796A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097019A (zh) * 2019-05-10 2019-08-06 腾讯科技（深圳）有限公司 字符识别方法、装置、计算机设备以及存储介质
CN110659640A (zh) * 2019-09-27 2020-01-07 深圳市商汤科技有限公司 文本序列的识别方法及装置、电子设备和存储介质
CN111126410A (zh) * 2019-12-31 2020-05-08 讯飞智元信息科技有限公司 字符识别方法、装置、设备及可读存储介质
US10671878B1 (en) * 2019-01-11 2020-06-02 Capital One Services, Llc Systems and methods for text localization and recognition in an image of a document

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10671878B1 (en) * 2019-01-11 2020-06-02 Capital One Services, Llc Systems and methods for text localization and recognition in an image of a document
CN110097019A (zh) * 2019-05-10 2019-08-06 腾讯科技（深圳）有限公司 字符识别方法、装置、计算机设备以及存储介质
CN110659640A (zh) * 2019-09-27 2020-01-07 深圳市商汤科技有限公司 文本序列的识别方法及装置、电子设备和存储介质
CN111126410A (zh) * 2019-12-31 2020-05-08 讯飞智元信息科技有限公司 字符识别方法、装置、设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN111753822B (zh) 文本识别方法及装置、电子设备和存储介质
CN110378976B (zh) 图像处理方法及装置、电子设备和存储介质
CN110889469B (zh) 图像处理方法及装置、电子设备和存储介质
CN109615006B (zh) 文字识别方法及装置、电子设备和存储介质
CN112465843A (zh) 图像分割方法及装置、电子设备和存储介质
CN111539410B (zh) 字符识别方法及装置、电子设备和存储介质
CN110858924B (zh) 视频背景音乐的生成方法、装置及存储介质
CN110633700B (zh) 视频处理方法及装置、电子设备和存储介质
CN110781813B (zh) 图像识别方法及装置、电子设备和存储介质
CN108320208B (zh) 车辆推荐方法及装置
CN110867254A (zh) 预测方法及装置、电子设备和存储介质
CN109685041B (zh) 图像分析方法及装置、电子设备和存储介质
CN111898676A (zh) 目标检测方法及装置、电子设备和存储介质
CN112085097A (zh) 图像处理方法及装置、电子设备和存储介质
CN110633715B (zh) 图像处理方法、网络训练方法及装置、和电子设备
CN112598676B (zh) 图像分割方法及装置、电子设备和存储介质
CN110955800A (zh) 视频检索方法及装置
CN113807253A (zh) 人脸识别方法及装置、电子设备和存储介质
CN112102300A (zh) 计数方法及装置、电子设备和存储介质
CN110929545A (zh) 人脸图像的整理方法及装置
CN109635926B (zh) 用于神经网络的注意力特征获取方法、装置及存储介质
CN111784773A (zh) 图像处理方法及装置、神经网络训练方法及装置
CN111275055A (zh) 网络训练方法及装置、图像处理方法及装置
CN110121115B (zh) 精彩视频片段的确定方法及装置
CN110659625A (zh) 物体识别网络的训练方法及装置、电子设备和存储介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20201023

WW01 Invention patent application withdrawn after publication