CN113033431B - 光学字符识别模型训练和识别方法、装置、设备及介质 - Google Patents
光学字符识别模型训练和识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113033431B CN113033431B CN202110341261.XA CN202110341261A CN113033431B CN 113033431 B CN113033431 B CN 113033431B CN 202110341261 A CN202110341261 A CN 202110341261A CN 113033431 B CN113033431 B CN 113033431B
- Authority
- CN
- China
- Prior art keywords
- feature data
- text region
- local feature
- character recognition
- optical 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.)
- Active
Links
- 238000012015 optical character recognition Methods 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000012549 training Methods 0.000 title claims abstract description 79
- 238000000605 extraction Methods 0.000 claims description 95
- 238000001514 detection method Methods 0.000 claims description 60
- 238000012216 screening Methods 0.000 claims description 32
- 238000002372 labelling Methods 0.000 claims description 20
- 230000001629 suppression Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 20
- 230000002441 reversible effect Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 16
- 238000004590 computer program Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000004927 fusion Effects 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Character Discrimination (AREA)
Abstract
本公开公开了一种光学字符识别模型训练和识别方法、装置、设备及介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术，可用于OCR场景下。具体实现方案为：对样本图像进行特征提取，得到样本特征数据；将所述样本特征数据输入至光学字符识别模型，以确定所述样本特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息，确定所述文字区域的预测类别；根据所述预测类别和所述文字区域的标签类别，对所述光学字符识别模型进行训练。本公开提高了光学字符识别模型的类别预测结果的准确度。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术，可用于OCR(Optical Character Recognition，光学字符识别)场景下。
背景技术
票据是一种重要的结构化信息的文本载体，被广泛应用于各种场景中。由于不同应用场景下票据的种类不同、不同种类的票据版式复杂、项目繁多，因此，在进行票据报销时，需要针对各票据进行票据项目识别，以得到结构化的票据信息。
在进行票据识别时，需要对票据按照票据的项目(例如票据名称、纳税人识别号等)类别进行划分。现有技术在进行票据项目类别划分时，通常采用模板匹配的方式加以实现，其准确度较低。
发明内容
本公开提供了一种光学字符识别模型训练和识别方法、装置、设备及介质。
根据本公开的一方面，提供了一种光学字符识别模型训练方法，包括：
对样本图像进行特征提取，得到样本特征数据；
将所述样本特征数据输入至光学字符识别模型，以确定所述样本特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息，确定所述文字区域的预测类别；
根据所述预测类别和所述文字区域的标签类别，对所述光学字符识别模型进行训练。
根据本公开的另一方面，还提供了一种光学字符识别方法，包括：
对目标图像进行特征提取，得到目标特征数据；
将所述目标特征数据输入至训练好的光学字符识别模型，以确定所述目标特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息确定所述文字区域的预测类别。
根据本公开的另一方面，还提供了一种光学字符识别模型训练装置，包括：
样本特征数据得到模块，用于对样本图像进行特征提取，得到样本特征数据；
预测类别确定模块，用于将所述样本特征数据输入至光学字符识别模型，以确定所述样本特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息，确定所述文字区域的预测类别；
模型训练模块，用于根据所述预测类别和所述文字区域的标签类别，对所述光学字符识别模型进行训练。
根据本公开的另一方面，还提供了一种光学字符识别装置，包括：
目标特征数据得到模块，用于对目标图像进行特征提取，得到目标特征数据；
预测类别确定模块，用于将所述目标特征数据输入至训练好的光学字符识别模型，以确定所述目标特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息确定所述文字区域的预测类别。
根据本公开的另一方面，还提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例提供的任意一种光学字符识别模型训练方法；和/或，执行本公开实施例提供的任意一种光学字符识别方法。
根据本公开的另一方面，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开实施例提供的任意一种光学字符识别模型训练方法；和/或，执行本公开实施例提供的任意一种光学字符识别方法。
根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时执行本公开实施例提供的任意一种光学字符识别模型训练方法；和/或，执行本公开实施例提供的任意一种光学字符识别方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开实施例提供的一种光学字符识别模型训练方法的流程图；
图2是本公开实施例提供的另一种光学字符识别模型训练方法的流程图；
图3是本公开实施例提供的一种光学字符识别模型的结构图；
图4是本公开实施例提供的另一种光学字符识别模型的结构图；
图5是本公开实施例提供的另一种光学字符识别模型的结构图；
图6是本公开实施例提供的另一种光学字符识别模型的结构图；
图7是本公开实施例提供的一种光学字符识别方法的流程图；
图8是本公开实施例提供的另一种光学字符识别方法的流程图；
图9是本公开实施例提供的一种光学字符识别模型的结构图；
图10是本公开实施例提供的另一种光学字符识别模型的结构图；
图11是本公开实施例提供的另一种光学字符识别模型的结构图；
图12是本公开实施例提供的另一种光学字符识别模型的结构图；
图13是本公开实施例提供的一种光学字符识别模型训练装置的结构图；
图14是本公开实施例提供的一种光学字符识别装置的结构图；
图15是用来实现本公开实施例的光学字符识别模型训练方法和/或光学字符识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开所提供的各光学字符识别模型训练方法和光学字符识别模型训练装置，适用于对票据等具备一定排版规律的图像进行类别确定的光学字符识别模型进行训练的场景中。本公开所提供的光学字符识别模型训练方法，可以由光学字符识别模型训练装置来执行，该装置可以采用软件和/或硬件实现，并具体配置于电子设备(以下统称模型训练设备)中。
参见图1所示的一种光学字符识别模型训练方法，包括：
S101、对样本图像进行特征提取，得到样本特征数据。
其中，样本图像可以是具备一定排版规律的图像，如票据图像、证件图像等。其中，采用多个样本图像进行光学字符识别模型训练时，各样本图像为排版规律相同的图像。
需要说明的是，样本图像可以预先存储在模型训练设备中，或者存储在与模型训练设备相关联的其他存储设备或云端中，并在需要时进行样本图像的查找获取。
示例性地，对样本图像进行特征提取，得到样本特征数据，可以是：对样本图像中的纹理信息、边缘信息和语义信息等中的至少一种进行提取，将得到的特征数据作为样本特征数据。
S102、将样本特征数据输入至光学字符识别模型，以确定样本特征数据中的文字区域对应的局部特征数据，并提取局部特征数据中的语义信息，根据语义信息，确定文字区域的预测类别。
其中，光学字符识别模型可以基于深度学习网络构建得到，用于根据样本特征数据，对样本图像中各文字区域的类别进行预测。其中，文字区域用于表征样本图像中具备有效文字信息的区域、或提取无效文字信息(如水印)的区域。不同文字区域所对应类别不同。
其中，预测类别可以理解为文字区域对应的详细类别，如票据名称、纳税人识别号等。一般的，一个样本图像中所包含的文字区域的数量为至少一个，相应的，文字区域对应类别也包括至少一种。
可以理解的是，对样本特征数据中的文字区域进行局部特征数据的确定，能够将样本特征数据中的无效文字信息剔除，从而避免了背景水印等无关信息的干扰，从而提高了最终训练得到的光学字符识别模型的准确度。另外，提取局部特征数据中的语义信息，并根据语义信息进行文字区域的类别预测，使得在类别预测过程中，充分考虑单个文字区域内各字段之间的语义关联，从而进一步提高了最终训练得到的光学字符识别模型的准确度。
在一个可选实施例中，确定样本特征数据中的文字区域对应的局部特征数据，可以是：获取样本图像对应的排版模板，根据该排版模板中各文字区域的位置，确定样本特征数据中的文字区域，并根据所确定文字区域，对样本特征数据进行截取，得到该文字区域对应的局部特征数据。
然而，由于样本图像在进行图像采集过程中受采集设备、采集距离和采集角度等因素的影响，导致存在样本图像与对应的排版模板无法很好的相匹配的情况，将会降低所确定的局部特征数据的准确度，进而影响最终训练的光学字符识别模型的性能。
为了避免上述情况的发生，在另一可选实施例中，确定样本特征数据中的文字区域对应的局部特征数据，还可以是：检测样本特征数据中的文字区域，得到候选框；根据候选框对样本特征数据进行截取，得到文字区域对应的局部特征数据。
可以理解的是，通过文字区域自动检测的方式替代排版模板匹配的方式进行文字区域的确定，从而基于所确定的文字区域进行局部特征数据确定时，能够避免由于采集设备或采集环境等因素的干扰，提高了文字区域确定结果的准确度，进而为光学字符识别模型准确度的提高提供了保障。
S103、根据预测类别和文字区域的标签类别，对光学字符识别模型进行训练。
示例性地，根据光学字符识别模型输出的预测类别，与样本图像中各文字区域的标签类别之间的误差数据，对光学字符识别模型中的网络参数进行调整，以使满足训练截止条件。
其中，误差数据可以通过构建预测类别和标签类别之间的距离数据得到。其中，该距离数据可以是欧式距离或马氏距离等。
可选的，训练截止条件可以是预测类别与标签类别之间的误差数据小于设定误差阈值、预测类别与标签类别之间的误差数据趋于稳定、或者样本图像的数量达到设定样本量等。其中，设定误差阈值、设定样本量的具体数值可以由技术人员根据需要或经验值进行设定或调整。
本公开通过光学字符识别模型，确定样本特征数据中的文字区域对应的局部特征数据，从而从样本特征数据中进行有效信息的提取，避免了无关信息的干扰。同时，通过提取局部特征数据中的语义信息，来获取同一文字区域中字段间的语义特征关联，从而基于语义信息进行模型训练，提高了光学字符识别模型的类别预测结果的准确度。
在上述各技术方案的基础上，本公开还提供了一个可选实施例。在该可选实施例中，通过将“确定样本特征数据中的文字区域对应的局部特征数据”操作，细化为“检测样本特征数据中的文字区域，得到候选框；根据候选框，对样本特征数据进行截取，得到文字区域对应的局部特征数据”，以完善局部特征数据的确定机制。
进一步参见图2所示的一种光学字符识别模型训练方法，包括：
S201、对样本图像进行特征提取，得到样本特征数据。
S202、将样本特征数据输入至光学字符识别模型，以检测样本特征数据中的文字区域，得到候选框。
示例性地，可以根据样本特征数据中的纹理信息和/或边缘信息，对样本图像进行文字区域检测，得到各文字区域对应的候选框。其中，各文字区域对应有至少一个候选框，用于表征文字区域与样本图像的相对位置关系。其中，候选框可以采用矩形框、椭圆形框或其他图形框加以表示，本公开对候选框的形状不作任何限定。
可选的，若候选框为矩形框，则可以通过参考点坐标、矩形框长度和矩形框宽度来表示，或者还可以通过四个参考点坐标中的至少三个来表示。本公开对候选框的具体表示方式不做任何限定。
示例性地，候选框可以采用文字区域检测网络，用于根据样本特征数据来检测样本图像中的文字区域，并形成各文字区域对应的候选框。
示例性地，由于候选框能够将样本图像中的区域划分为文字区域和背景区域，因此，还可以采用二分类网络，对样本特征数据中的不同区域进行分类检测，从而得到表征前景类别的文字区域，并形成各文字区域对应的候选框，以及表征背景类别的背景区域。
S203、根据候选框，对样本特征数据进行截取，得到文字区域对应的局部特征数据。
通过候选框对样本特征数据进行截取，从而能够得到样本图像中各文字区域对应的局部特征数据，避免了进行文字区域对应特征数据的重新提取，减少了数据运算量。
由于候选框进行确定时，存在一定的误差，同时得到的候选框的数量过大，直接基于候选框所确定局部特征数量进行模型训练，将会带来较大的计算量，增加了模型训练的时间成本和计算成本。为了避免上述情况的发生，在一个可选实施例中，可以对候选框进行筛选，从而将误差较大的候选框进行剔除，在降低模型训练数据量的同时，提供了模型训练过程的数据质量，进而为模型准确度的提高奠定了基础。
示例性地，根据候选框，对样本特征数据进行截取，得到文字区域对应的局部特征数据，可以是：根据文字区域对应的标准框与各候选框的重叠情况，对各候选框进行筛选；根据筛选后的候选框对样本特征数据进行截取，得到文字区域对应的局部特征数据。
其中，标准框为在样本图像中预先标注的各文字区域的图形框，用于表征各文字区域在样本图像中的实际位置。
可以理解的是，通过确定文字区域对应的标准框与各候选框的重叠情况，能够得到与标准框重叠区域相对较大的部分候选框，以及于标准框重叠区域相对较小或无重叠的部分候选框。当重叠区域较大时，表明此类候选框的检测精度较高；当重叠区域较小时，表明此类候选框的检测精度交底；当无重叠区域时，表明此类候选框为误识别的异常框。在该可选实施例中，通过保留检测精度较高的候选框，将检测精度交底的候选框以及异常框进行剔除，能够减少模型训练过程中异常样本或误差较大的样本的引入，从而提高了模型的收敛效率，进而减少了模型训练的时间成本和计算成本，并且提高了所训练模型的模型精度。
在一个具体实现方式中，标准框与候选框的重叠情况，可以通过计算标准框与候选框的重叠区域，并根据重叠区域与标准框的面积占比、或重叠区域与对应候选框的面积占比，进行各候选框的筛选。
在另一可选实施例中，标准框与候选框的重叠情况，还可以通过计算标准框与候选框的交并比，根据交并比，对各候选框进行筛选。
S204、提取局部特征数据中的语义信息，根据语义信息，确定文字区域的预测类别。
S205、根据预测类别和文字区域的标签类别，对光学字符识别模型进行训练。
示例性地，各文字区域的标签类别，可以通过人工标注的方式加以实现。
由于人工标注的方式将会需要付诸大量的人力，同时标注结果可靠性差、时效性较低，最终导致模型训练过程的时间成本和人力成本的增加。为了节约成本，在一个可选实施例中，文字区域的标签类别，还可以采用自动化的方式加以实现。
示例性地，将标准框的标准类别，作为筛选后的候选框的标签类别。
可以理解的是，通过人工标注或排版模板匹配等方式，确定样本图像中的标准框的标准类别，从而通过较少数量的标准框，对大量的筛选后的候选框的标签类别进行映射，从而确定出各筛选后的候选框的标签类别，提高了标注效率，并节约了人力成本，同时还避免了人工标注可靠性差给模型训练带来的影响。
本公开通过将局部特征数据的确定操作，细化为检测样本特征数据中的文字区域，得到候选框，从而通过候选框确定的方式替代排版模板匹配的方式进行文字区域的确定，避免了由于采集设备或采集环境等因素的干扰，导致文字区域确定结果不准确的情况的发生。进一步的，根据准确度更高候选框对样本特征数据进行截取，使得所得到文字区域对应的局部特征数据的准确度也对应提高，进而为光学字符识别模型准确度的提高奠定了基础。
在上述各技术方案的基础上，本公开还提供了一个可选实施例。在该可选实施例中，对光学字符识别模型的具体的模型结构进行示例性说明。
进一步参见图3所示的一种光学字符识别模型的结构图，该模型包括：特征提取网络、检测网络、局部特征提取网络和分类网络。
特征提取网络，用于对样本图像进行特征提取，得到样本特征数据；
检测网络，与特征提取网络相连接，用于检测样本特征数据中的文字区域，得到至少一个候选框；
局部特征提取网络，分别与特征提取网络和检测网络相连接，用于根据各候选框，对样本特征数据进行截取，得到文字区域对应的局部特征数据；
分类网络，与局部特征提取网络相连接，用于提取局部特征数据中的语义信息，并根据语义信息，确定文字区域的预测类别。
示例性地，通过特征提取网络对样本图像中的边缘信息、纹理信息和语义信息等中的至少一种进行特征提取，得到样本特征数据。检测网络根据样本特征数据中的边缘信息和/或纹理信息进行文字区域检测，得到各文字区域对应的至少一个候选框；局部特征提取网络根据候选框对样本特征数据进行截取，得到各文字区域对应的至少一个局部特征数据；分类网络提取局部特征数据中的语义信息，并根据语义信息确定文字区域的预测类别。
可以理解的是，通过设置检测网络进行候选框的自动确定，替代排版目标匹配的方式进行文字区域的确定，避免了由于采集设备或采集环境等因素的烦扰，导致文字区域确定结果不准确的情况的发生。进一步的，通过设置局部特征提取网络根据准确度更高候选框对样本特征数据进行截取，使得所得到文字区域对应的局部特征数据的准确度也对应提高，进而为光学字符识别模型准确度的提高奠定了基础。
由于局部特征提取网络直接根据候选框进行局部特征数据的确定，使得所得到的局部特征数据的准确度较低、数据量较大，进而给后续训练得到的图像处理网络的准确度带来影响。为了减少局部特征数据的数据量，同时提高局部特征数据自身准确度，进一步的，在一个具体实现方式中，参见图4所示的一种光学字符识别模型的结构图，该模型在图3所示的光学字符识别模型基础上，将局部特征提取网络细化为包括候选框筛选模块和局部特征提取模块。
其中，候选框筛选模块与检测网络相连接，用于根据文字区域对应的标准框与各候选框的重叠情况，对各候选框进行筛选；
局部特征提取模块，与候选框标注模块和分类网络相连接，用于根据筛选后的候选框，对样本特征数据进行截取，得到文字区域对应的局部特征数据。
其中，标准框可以对样本图像中的文字区域进行预先标注得到。
示例性地，标准框与候选框的重叠情况可以通过标准框与候选框的重叠区域与标准框的面积占比加以表示，或者通过标准框与候选框的重叠区域与该候选框的面积占比加以表示等。
在一个具体实现方式中，还可以确定标准框与候选框的交并比，并采用该交并比表征该标准框与该候选框的重叠情况。
可以理解的是，通过标准框与候选框的重叠情况，对候选框进行筛选，从而保留检测精度较高的候选框，将检测精度交底的候选框以及异常框进行剔除，减少了模型训练过程中异常样本或误差较大的样本的引入，从而提高了模型的收敛效率，进而减少了模型训练的时间成本和计算成本，并且提高了所训练模型的模型精度。
在一个可选实施例中，候选框的标签类别可以采用人工标注的方式加以实现，然而上述方式将会需要付诸大量的人力，同时标注结果可靠性差、时效性较低，最终导致模型训练过程的时间成本和人力成本的增加。为了节约成本，在一个可选实施例中，还可以在局部特征提取网络中设置候选框标注模块(图4未示出)，与候选框筛选模块相连接，用于将标准框的标准类别，作为筛选后的候选框的标签类别。
可以理解的是，通过较少数量的标准框的标准类别，对大量候选框的标签类别进行映射，提高了标注效率，并节约了人力成本，同时还避免了人工标注可靠性较差给模型训练带来的影响。
在上述各技术方案的基础上，本公开还提供了一个可选实施例。在该实施例中，对检测网络中的网络结构进行示例性说明。
进一步参见图5所示的一种光学字符识别模型结构示意图，在该模型中，检测网络包括候选框定位模块和粗分类模型两个分支。
其中，候选框定位模块，与特征提取网络相连接，用于对样本特征数据中的文字区域进行定位；粗分类模块，与特征提取网络相连接，用于对样本特征数据中的各区域进行前景类别和背景类别确定，从而确定出包括前景文字的文字区域。
可以理解的是，通过候选框定位模块和粗分类模块能够识别出样本图像中的文字区域，并实现对文字区域的粗略定位。需要说明的是，一个文字区域可以对应有至少一个候选框，本公开在模型训练阶段，可以根据需要或经验值进行文字区域与候选框数量的确定。
需要说明的是，本公开通过检测网络结合样本图像中的纹理信息和边缘信息等中的至少一种，对样本图像中的文字区域进行粗分类，并结合后续的分类网络结合样本图像中的语义信息等，对样本图像中的文字区域进行细分类，从而能够充分利用不同维度的特征信息，提高了分类结果的准确度。
在上述各技术方案的基础上，本公开还提供了一个可选实施例。在该实施例中，对分类网络中的网络结构进行示例性说明。
进一步参见图6所示的一种光学字符识别模型结构示意图，在该模型中，分类网络包括顺次连接的语义特征提取模块、编码模块和分类模块；
语义特征提取模块，与局部特征提取网络相连接，用于提取局部特征数据中的语义信息，得到语义特征数据；
编码模块，用于对语义特征数据进行特征编码，得到语义编码数据；
分类模块，用于根据语义编码数据，确定文字区域的预测类别。
可以理解的是，通过设置语义特征提取模块来捕获局部特征数据中的语义特征，用来辅助进行分类，增加了分类时所参照的特征维度，进而提高了分类结果的准确度。
在一个可选实施例中，编码模块可以基于双向RNN(Recurrent NeuralNetwork，循环神经网络)模块加以实现，从而针对任一时刻的输出数据，充分考虑该时刻之前和之后的状态，避免了关键信息的遗漏，从而提高了模型训练时所使用特征数据的丰富性和全面性。
在一个具体实现方式中，为了解决标准RNN的梯度消失问题，同时减少计算成本和时间成本，编码模块可以设置为包括正向GRU(GateRecurrent Unit，门控循环单元)模块、反向GRU模块和特征融合模块；
正向GRU模块，与语义特征提取模块相连接，用于对语义特征数据对应的特征序列进行正向编码，得到正向语义编码数据；
反向GRU模块，与语义特征提取模块相连接，用于对语义特征数据对应的特征序列进行反向编码，得到反向语义编码数据；
特征融合模块，分别与正向GRU模块、反向GRU模块和分类墨香相连接，用于将正向语义编码数据和反向语义编码数据进行拼接融合，得到语义编码数据。
可以理解的是，由于GRU模块通过设置更新门和重置门存储并过滤信息，且GRU不会随时间的推移而消除以前的信息，会保留相关的信息并传递至下一个单元，因此GRU模块能够通过所利用信息的全面性和全面性，从而避免了梯度消失问题。另外，由于GRU模块内部仅设置有更新门和重置门，所使用参数较少，因此GRU模块使用过程中耗费的硬件计算成本较低、计算效率也较高，从而提高了模型训练过程的时间成本，加速了模型收敛。
上述各技术方案对光学字符识别模型的训练阶段进行了详细说明，以下将对模型使用阶段进行详述。
本公开所提供的各光学字符识别方法和光学字符识别装置，适用于采用前述各实施例提供的训练好的光学字符识别模型，对票据等具备一定排版规律的图像进行类别确定的应用场景中。本公开所提供的各光学字符识别方法，可以由光学字符识别装置来执行，该装置可以采用软件和/或硬件加以实现，并具体配置于电子设备(以下统称模型使用设备)中。
需要说明的是，模型使用设备与前述各实施例所涉及的模型训练设备，两者可以是同一设备或不同设备，本公开对此不作任何限定。
参见图7所示的一种光学字符识别方法，包括：
S301、对目标图像进行特征提取，得到目标特征数据。
其中，目标图像为需要对其所包含文字区域进行类别预测的图像。该图像是与光学字符识别模型训练时所使用的样本图像具备相同的排版规律，如票据图像、证件图像等。
需要说明的是，目标图像可以是预先存储在模型使用设备中，或者存储在与模型使用设备相关联的其他存储设备或云端中，并在需要时进行目标图像的查找获取。或者，目标图像还可以是通过图像采集设备实时采集的图像。
示例性地，对目标图像进行特征提取，得到目标特征数据，可以是：对目标图像中的文字信息、边缘信息和语义信息中的至少一种进行提取，将得到的特征数据作为目标特征数据。
S302、将目标特征数据输入至训练好的光学字符识别模型，以确定目标特征数据中的文字区域对应的局部特征数据，并提取局部特征数据中的语义信息，根据语义信息确定文字区域的预测类别。
其中，光学字符识别模型为基于上述各实施例的技术方案所训练好的模型中的至少部分，用于根据目标特征数据，对目标图像中各文字区域的类别进行预测。其中，文字区域用于表征样本图像中具备有效文字信息的区域、或提取无效文字信息(如水印)的区域。不同文字区域所对应类别不同。
其中，预测类别可以理解为文字区域对应的详细类别，如票据名称、纳税人识别号等。一般的，一个样本图像中所包含的文字区域的数量为至少一个，相应的，文字区域对应类别也包括至少一种。
可以理解的是，对目标特征数据中的文字区域进行局部特征数据的确定，能够将目标特征数据中的无效文字信息剔除，从而避免了背景水印等无关信息的干扰，从而提高了类别预测结果的准确度。另外，提取局部特征数据中的语义信息，并根据语义信息进行文字区域的类别预测，使得在类别预测过程中，充分考虑单个文字区域内各字段之间的语义关联，从而进一步提高了类别预测结果的准确度。
在一个可选实施例中，确定目标特征数据中的文字区域对应的局部特征数据，可以是：获取目标图像对应的排版模板，根据该排版模板中各文字区域的位置，确定目标特征数据中的文字区域，并根据所确定文字区域，对目标特征数据进行截取，得到该文字区域对应的局部特征数据。
然而，由于目标图像在进行图像采集过程中受采集设备、采集距离和采集角度等因素的影响，导致存在目标图像与对应的排版模板无法很好的相匹配的情况，将会降低所确定的局部特征数据的准确度，进而影响类别预测结果的准确度。
为了避免上述情况的发生，在另一可选实施例中，确定目标特征数据中的文字区域对应的局部特征数据，还可以是：检测目标特征数据中的文字区域，得到候选框；根据候选框对目标特征数据进行截取，得到文字区域对应的局部特征数据。
可以理解的是，通过文字区域自动检测的方式替代排版模板匹配的方式进行文字区域的确定，从而基于所确定的文字区域进行局部特征数据确定时，能够避免由于采集设备或采集环境等因素的干扰，提高了文字区域确定结果的准确度，进而提高了类别预测结果的准确度。
本公开通过确定目标特征数据中的文字区域对应的局部特征数据，从而从目标特征数据中进行有效消息的提取，避免了无关信息的干扰。同时，通过提取局部特征数据中的语义信息，来获取同意文字区域中字段间的语义特征关联，从而基于语义信息进行模型训练，提高了类别预测结果的准确度。
在上述各技术方案的基础上，本公开还提供了一个可选实施例。在该可选实施例中，通过将“确定目标特征数据中的文字区域对应的局部特征数据”操作，细化为“检测目标特征数据中的文字区域，得到候选框；根据候选框，对目标特征数据进行截取，得到文字区域对应的局部特征数据”，以完善局部特征数据的确定机制。
进一步参见图8所示的一种光学字符识别方法，包括：
S401、对目标图像进行特征提取，得到目标特征数据。
S402、将目标特征数据输入至训练好的光学字符识别模型，以检测目标特征数据中的文字区域，得到候选框。
示例性地，可以根据目标特征数据中的纹理信息和/或边缘信息，对目标图像进行文字区域检测，得到各文字区域对应的候选框。其中，各文字区域对应有至少一个候选框，用于表征文字区域与样本图像的相对位置关系。其中，候选框可以采用矩形框、椭圆形框或其他图形框加以表示，本公开对候选框的形状不作任何限定，仅需保证与光学字符识别模型训练过程的候选框的形状相一致即可。
可选的，若候选框为矩形框，则可以通过参考点坐标、矩形框长度和矩形框宽度来表示，或者还可以通过四个参考点坐标中的至少三个来表示。本公开对候选框的具体表示方式不做任何限定，仅需保证与光学字符识别模型训练过程的候选框的表示方式相一致即可。
示例性地，候选框可以采用文字区域检测网络，用于根据目标特征数据来检测样本图像中的文字区域，并形成各文字区域对应的候选框。
示例性地，由于候选框能够将目标图像中的区域划分为文字区域和背景区域，因此，还可以采用二分类网络，对目标特征数据中的不同区域进行分类检测，从而得到表征前景类别的文字区域，并形成各文字区域对应的候选框，以及表征背景类别的背景区域。
S403、根据候选框，对目标特征数据进行截取，得到文字区域对应的局部特征数据。
通过候选框对目标特征数据进行截取，从而能够得到目标图像中各文字区域对应的局部特征数据，避免了进行文字区域对应特征数据的重新提取，减少了数据运算量。
由于候选框进行确定时，存在一定的误差，同时得到的候选框的数量过大，直接基于候选框所确定局部特征数量进行后续的类别预测，将会存在文字区域误识别情况的发生，降低了光学字符识别模型的特异性。为了避免上述情况的发生，在一个可选实施例中，可以对候选框进行筛选。
示例性地，根据候选框，对目标特征数据进行截取，得到文字区域对应的局部特征数据，可以是：采用NMS(Non-Maximum Suppression，非极大值抑制)对各候选框进行筛选；根据筛选后的候选框对目标特征数据进行截取，得到文字区域对应的局部特征数据。
可以理解的是，通过NMS技术对候选框进行筛选，能够使筛选出的候选框能够与目标图像中的实际文字区域相匹配，避免了文字区域误识别和漏识别情况的发生，从而提高了光学字符识别模型的灵敏度和特异性，进而提高了光学字符识别模型的准确度。
S404、提取局部特征数据中的语义信息，根据语义信息确定文字区域的预测类别。
本公开通过将局部特征数据确定操作，细化为检测目标特征数据中的文字区域，得到候选框，从而通过候选框确定的方式替代排版模板匹配的方式进行文字区域的确定，避免了由于采集设备或刺激环境等因素的干扰，导致文字区域确定结果不准确的情况的发生。进一步的，根据候选框对目标特征数据进行截取，使得所得到文字区域对应的局部特征数据的准确度也对应提高，进而提高了文字区域类别预测结果的准确度。
在上述各技术方案的基础上，本公开还提供了一个可选实施例。在该实施例中，对光学字符识别模型的具体模型结构进行示例性说明。
进一步参见图9所示的一种光学字符识别模型的结构图，该模型包括：特征能提取网络、检测网络、局部特征提取网络和分类网络；
特征提取网络，用于对目标图像进行特征提取，得到目标特征数据；
检测网络，用于检测目标特征数据中的文字区域，得到至少一个候选框；
局部特征提取网络，与检测网络相连接，用于根据各候选框，对目标特征数据进行截取，得到文字区域对应的局部特征数据；
分类网络，与局部特征提取网络相连接，用于提取局部特征数据中的语义信息，并根据语义信息，确定文字区域的文字类别。
示例性地，通过特征提取网络对目标图像中的边缘信息、纹理信息和语义信息等中的至少一种进行特征提取，得到目标特征数据。检测网络根据目标特征数据中的边缘信息和/或纹理信息进行文字区域检测，得到各文字区域对应的至少一个候选框；局部特征提取网络根据候选框对样本特征数据进行截取，得到各文字区域对应的至少一个局部特征数据；分类网络提取局部特征数据中的语义信息，并根据语义信息确定文字区域的预测类别。
可以理解的是，通过设置检测网络进行候选框的自动确定，替代排版目标匹配的方式进行文字区域的确定，避免了由于采集设备或采集环境等因素的烦扰，导致文字区域确定结果不准确的情况的发生。进一步的，通过设置局部特征提取网络根据准确度更高候选框对目标特征数据进行截取，使得所得到文字区域对应的局部特征数据的准确度也对应提高，进而提高了类别预测结果的准确度。
由于局部特征提取网络直接根据候选框进行局部特征数据的确定，使得所得到的局部特征数据的准确度较低、数据量较大，进而给后续类别预测结果的准确度带来影响。为了减少局部特征数据的数据量，同时提高局部特征数据自身准确度，进一步的，在一个具体实现方式中，参见图10所示的一种光学字符识别模型的结构图，该模型在图9所示的光学字符识别模型基础上，将局部特征提取网络细化为包括候选框筛选模块和局部特征提取模块。
其中，候选框筛选模块，与检测网络相连接，用于采用NMS对各候选框进行筛选；
局部特征提取模块，分别与候选框标注模块和分类网络相连接，用于根据筛选后的候选框，对目标特征数据进行截取，得到文字区域对应的局部特征数据。
可以理解的是，通过NMS技术对候选框进行筛选，能够使筛选出的候选框能够与目标图像中的实际文字区域相匹配，避免了文字区域误识别和漏识别情况的发生，从而提高了光学字符识别模型的灵敏度和特异性，进而提高了光学字符识别模型的准确度。
在上述各技术方案的基础上，本公开还提供了一个可选实施例。在该实施例中，对检测网络中的网络结构进行示例性说明。
进一步参见图11所示的一种光学字符识别模型结构示意图，在该模型中，检测网络包括候选框定位模块和粗分类模型两个分支。
其中，候选框定位模块，与特征提取网络相连接，用于对目标特征数据中的文字区域进行定位；粗分类模块，与特征提取网络相连接，用于对目标特征数据中的各区域进行前景类别和背景类别确定，从而确定出包括前景文字的文字区域。
可以理解的是，通过候选框定位模块和粗分类模块能够识别出目标图像中的文字区域，并实现对文字区域的粗略定位。需要说明的是，一个文字区域可以对应有至少一个候选框，本公开在模型训练阶段，可以根据需要或经验值进行文字区域与候选框数量的确定。
需要说明的是，本公开通过检测网络结合目标图像中的纹理信息和边缘信息等中的至少一种，对目标图像中的文字区域进行粗分类，并结合后续的分类网络结合目标图像中的语义信息等，对目标图像中的文字区域进行细分类，从而能够充分利用不同维度的特征信息，提高了分类结果的准确度。
在上述各技术方案的基础上，本公开还提供了一个可选实施例。在该实施例中，对分类网络中的网络结构进行示例性说明。
进一步参见图12所示的一种光学字符识别模型结构示意图，在该模型中，分类网络包括顺次连接的语义特征提取模块、编码模块和分类模块；
语义征提取模块，与局部特征提取网络相连接，用于提取局部特征数据中的语义信息，得到语义特征数据；
编模块，用于对语义特征数据进行特征编码，得到语义编码数据；
分类模块，用于根据语义编码数据，确定文字区域的预测类别。
可以理解的是，通过设置语义特征提取模块来捕获局部特征数据中的语义特征，用来辅助进行分类，增加了分类时所参照的特征维度，进而提高了分类结果的准确度。
在一个可选实施例中，编码模块可以基于双向RNN(Recurrent NeuralNetwork，循环神经网络)模块加以实现，从而针对任一时刻的输出数据，充分考虑该时刻之前和之后的状态，避免了关键信息的遗漏，从而提高了类别预测结果的准确度。
在一个具体实现方式中，为了解决标准RNN的梯度消失问题，同时减少计算成本和时间成本，编码模块可以设置为包括正向GRU(GateRecurrent Unit，门控循环单元)模块、反向GRU模块和特征融合模块；
正向GRU模块，与语义特征提取模块相连接，用于对语义特征数据对应的特征序列进行正向编码，得到正向语义编码数据；
反向GRU模块，与语义特征提取模块相连接，用于对语义特征数据对应的特征序列进行反向编码，得到反向语义编码数据；
特征融合模块，分别与正向GRU模块、反向GRU模块和分类墨香相连接，用于将正向语义编码数据和反向语义编码数据进行拼接融合，得到语义编码数据。
可以理解的是，由于GRU模块通过设置更新门和重置门存储并过滤信息，且GRU不会随时间的推移而消除以前的信息，会保留相关的信息并传递至下一个单元，因此GRU模块能够通过所利用信息的全面性和全面性，从而避免了梯度消失问题。另外，由于GRU模块内部仅设置有更新门和重置门，所使用参数较少，因此GRU模块使用过程中耗费的硬件计算成本较低、计算效率也较高，从而提高了类别预测效率。
值得注意的是，本公开上述各实施例所涉及的光学字符识别模型的使用方法，可以在OCR(Optical Character Recognition，光学字符识别)领域加以使用，例如对票据图像中各文字区域进行文字识别这一应用场景中，首先通过本公开所提供的光学字符识别方法进行文字区域类别预测，后续根据各文字区域的预测类别，针对不同类别的文字区域进行文字识别。需要说明的是，本公开对文字识别所采用的具体方式不做任何限定。
在上述各技术方案的基础上，本公开还提供了一个实现光学字符识别模型训练方法的虚拟装置的可选实施例。进一步参见图13所示的一种光学字符识别模型训练装置500，包括：样本特征数据得到模块501、预测类别确定模块502和模型训练模块503。其中，
样本特征数据得到模块501，用于对样本图像进行特征提取，得到样本特征数据；
预测类别确定模块502，用于将所述样本特征数据输入至光学字符识别模型，以确定所述样本特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息，确定所述文字区域的预测类别；
模型训练模块503，用于根据所述预测类别和所述文字区域的标签类别，对所述光学字符识别模型进行训练。
本公开通过光学字符识别模型，确定样本特征数据中的文字区域对应的局部特征数据，从而从样本特征数据中进行有效信息的提取，避免了无关信息的干扰。同时，通过提取局部特征数据中的语义信息，来获取同一文字区域中字段间的语义特征关联，从而基于语义信息进行模型训练，提高了光学字符识别模型的类别预测结果的准确度。
在一个可选实施例中，所述预测类别确定模块502，包括：
文字区域检测单元，用于检测所述样本特征数据中的文字区域，得到候选框；
特征数据截取单元，用于根据所述候选框，对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
在一个可选实施例中，所述特征数据截取单元，包括：
候选框筛选子单元，用于根据所述文字区域对应的标准框与各所述候选框的重叠情况，对各所述候选框进行筛选；
特征数据截取子单元，用于根据筛选后的候选框对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
在一个可选实施例中，该装置还包括标签类别确定模块，用于将所述标准框的标准类别，作为筛选后的候选框的标签类别。
在一个可选实施例中，所述光学字符识别模型包括检测网络、局部特征提取网络和分类网络；
所述检测网络，用于检测所述样本特征数据中的文字区域，得到至少一个候选框；
所述局部特征提取网络，与所述检测网络相连接，用于根据各所述候选框，对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据；
所述分类网络，与所述局部特征提取网络相连接，用于提取所述局部特征数据中的语义信息，并根据所述语义信息，确定所述文字区域的预测类别。
在一个可选实施例中，所述局部特征提取网络，包括候选框筛选模块和局部特征提取模块；
所述候选框筛选模块，与所述检测网络相连接，用于根据所述文字区域对应的标准框与各所述候选框的重叠情况，对各所述候选框进行筛选；
所述局部特征提取模块，分别与所述候选框标注模块和分类网络相连接，用于根据所述筛选后的候选框，对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
在一个可选实施例中，所述局部特征提取网络，还包括：
候选框标注模块，与所述候选框筛选模块相连接，用于将所述标准框的标准类别，作为筛选后的候选框的标签类别。
在一个可选实施例中，所述分类网络包括顺次连接的语义特征提取模块、编码模块和分类模块；
所述语义特征提取模块，与所述局部特征提取网络相连接，用于提取所述局部特征数据中的语义信息，得到语义特征数据；
所述编码模块，用于对所述语义特征数据进行特征编码，得到语义编码数据；
所述分类模块，用于根据所述语义编码数据，确定所述文字区域的预测类别。
在一个可选实施例中，所述编码模块包括正向门控循环单元GRU模块、反向GRU模块和特征融合模块；
所述正向GRU模块，与所述语义特征提取模块相连接，用于对语义特征数据对应的特征序列进行正向编码，得到正向语义编码数据；
所述反向GRU模块，与所述语义特征提取模块相连接，用于对语义特征数据对应的特征序列进行反向编码，得到反向语义编码数据；
所述特征融合模块，分别与所述正向GRU模块、所述反向GRU模块和分类模块相连接，用于将所述正向语义编码数据和所述反向语义编码数据进行拼接融合，得到所述语义编码数据。
在一个可选实施例中，所述样本图像为票据图像。
上述光学字符识别模型训练装置可执行本公开任意实施例所提供的光学字符识别模型训练方法，具备执行光学字符识别模型训练方法相应的功能模块和有益效果。
在上述各技术方案的基础上，本公开还提供了一个实现光学字符识别模型训练方法的虚拟装置的可选实施例。进一步参见图14所示的一种光学字符识别模型训练装置600，包括：目标特征数据得到模块601和预测类别确定模块602。其中，
目标特征数据得到模块601，用于对目标图像进行特征提取，得到目标特征数据；
预测类别确定模块602，用于将所述目标特征数据输入至训练好的光学字符识别模型，以确定所述目标特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息确定所述文字区域的预测类别。
本公开通过确定目标特征数据中的文字区域对应的局部特征数据，从而从目标特征数据中进行有效消息的提取，避免了无关信息的干扰。同时，通过提取局部特征数据中的语义信息，来获取同意文字区域中字段间的语义特征关联，从而基于语义信息进行模型训练，提高了类别预测结果的准确度。
在一个可选实施例中，所述预测类别确定模块602，包括：
文字区域检测单元，用于检测所述目标特征数据中的文字区域，得到候选框；
特征数据截取单元，用于根据所述候选框，对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
在一个可选实施例中，所述特征数据截取单元，包括：
候选框筛选子单元，用于采用非极大值抑制NMS对各所述候选框进行筛选；
特征数据截取子单元，用于根据筛选后的候选框对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
在一个可选实施例中，所述光学字符识别模型包括检测网络、局部特征提取网络和分类网络；
所述检测网络，用于检测所述目标特征数据中的文字区域，得到至少一个候选框；
所述局部特征提取网络，与所述检测网络相连接，用于根据各所述候选框，对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据；
所述分类网络，与所述局部特征提取网络相连接，用于提取所述局部特征数据中的语义信息，并根据所述语义信息，确定所述文字区域的预测类别。
在一个可选实施例中，所述据图特征提取网络，包括：
候选框筛选模块，与所述检测网络相连接，用于采用非极大值抑制NMS对各所述候选框进行筛选；
局部特征提取模块，分别与所述候选框标注模块和分类网络相连接，用于根据所述筛选后的候选框，对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
在一个可选实施例中，所述分类网络包括顺次连接的语义特征提取模块、编码模块和分类模块；
所述语义特征提取模块，与所述局部特征提取网络相连接，用于提取所述局部特征数据中的语义信息，得到语义特征数据；
所述编码模块，用于对所述语义特征数据进行特征编码，得到语义编码数据；
所述分类模块，用于根据所述语义编码数据，确定所述文字区域的预测类别。
在一个可选实施例中，所述编码模块包括正向门控循环单元GRU模块、反向GRU模块和特征融合模块；
所述正向GRU模块，与所述语义特征提取模块相连接，用于对语义特征数据对应的特征序列进行正向编码，得到正向语义编码数据；
所述反向GRU模块，与所述语义特征提取模块相连接，用于对语义特征数据对应的特征序列进行反向编码，得到反向语义编码数据；
所述特征融合模块，分别与所述正向GRU模块和所述反向GRU模块相连接，用于将所述正向语义编码数据和所述反向语义编码数据进行拼接融合，得到所述语义编码数据。
在一个可选实施例中，所述目标图像为票据图像。
上述光学字符识别装置可执行本公开任意实施例所提供的光学字符识别方法，具备执行光学字符识别方法相应的功能模块和有益效果。
需要说明的是，本公开的技术方案中，所涉及的样本图像和目标图像等数据的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图15示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图15所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如光学字符识别模型训练方法和光学字符识别方法中的至少一种。例如，在一些实施例中，光学字符识别模型训练方法和光学字符识别方法中的至少一种可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的光学字符识别模型训练方法和光学字符识别方法中的至少一种的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行光学字符识别模型训练方法和光学字符识别方法中的至少一种。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (19)
1.一种光学字符识别模型训练方法，包括：
对样本图像进行特征提取，得到样本特征数据；
将所述样本特征数据输入至光学字符识别模型，以确定所述样本特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息，确定所述文字区域的预测类别；
根据所述预测类别和所述文字区域的标签类别，对所述光学字符识别模型进行训练；
其中，所述光学字符识别模型包括检测网络、局部特征提取网络和分类网络；
所述检测网络，用于检测所述样本特征数据中的文字区域，得到至少一个候选框；
所述局部特征提取网络，与所述检测网络相连接，用于根据各所述候选框，对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据；
所述分类网络，与所述局部特征提取网络相连接，用于提取所述局部特征数据中的语义信息，并根据所述语义信息，确定所述文字区域的预测类别。
2.根据权利要求1所述的方法，其中，所述根据各所述候选框，对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据，包括：
根据所述文字区域对应的标准框与各所述候选框的重叠情况，对各所述候选框进行筛选；
根据筛选后的候选框对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
3.根据权利要求2所述的方法，其中，所述标签类别基于以下方式确定：
将所述标准框的标准类别，作为筛选后的候选框的标签类别。
4.根据权利要求1所述的方法，所述局部特征提取网络，包括候选框筛选模块和局部特征提取模块；
所述候选框筛选模块，与所述检测网络相连接，用于根据所述文字区域对应的标准框与各所述候选框的重叠情况，对各所述候选框进行筛选；
所述局部特征提取模块，分别与所述候选框标注模块和分类网络相连接，用于根据所述筛选后的候选框，对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
5.根据权利要求4所述的方法，其中，所述局部特征提取网络，还包括：
候选框标注模块，与所述候选框筛选模块相连接，用于将所述标准框的标准类别，作为筛选后的候选框的标签类别。
6.根据权利要求1-5任一项所述的方法，其中，所述样本图像为票据图像。
7.一种光学字符识别方法，包括：
对目标图像进行特征提取，得到目标特征数据；
将所述目标特征数据输入至训练好的光学字符识别模型，以确定所述目标特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息确定所述文字区域的预测类别；
其中，所述光学字符识别模型包括检测网络、局部特征提取网络和分类网络；
所述检测网络，用于检测所述目标特征数据中的文字区域，得到至少一个候选框；
所述局部特征提取网络，与所述检测网络相连接，用于根据各所述候选框，对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据；
所述分类网络，与所述局部特征提取网络相连接，用于提取所述局部特征数据中的语义信息，并根据所述语义信息，确定所述文字区域的预测类别。
8.根据权利要求7所述的方法，其中，所述根据各所述候选框，对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据，包括：
采用非极大值抑制NMS对各所述候选框进行筛选；
根据筛选后的候选框对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
9.根据权利要求7所述的方法，其中，所述局部特征提取网络，包括：
候选框筛选模块，与所述检测网络相连接，用于采用非极大值抑制NMS对各所述候选框进行筛选；
局部特征提取模块，分别与所述候选框标注模块和分类网络相连接，用于根据所述筛选后的候选框，对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
10.根据权利要求7-9任一项所述的方法，其中，所述目标图像为票据图像。
11.一种光学字符识别模型训练装置，包括：
样本特征数据得到模块，用于对样本图像进行特征提取，得到样本特征数据；
预测类别确定模块，用于将所述样本特征数据输入至光学字符识别模型，以确定所述样本特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息，确定所述文字区域的预测类别；
模型训练模块，用于根据所述预测类别和所述文字区域的标签类别，对所述光学字符识别模型进行训练；
其中，所述光学字符识别模型包括检测网络、局部特征提取网络和分类网络；
所述检测网络，用于检测所述样本特征数据中的文字区域，得到至少一个候选框；
所述局部特征提取网络，与所述检测网络相连接，用于根据各所述候选框，对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据；
所述分类网络，与所述局部特征提取网络相连接，用于提取所述局部特征数据中的语义信息，并根据所述语义信息，确定所述文字区域的预测类别。
12.根据权利要求11所述的装置，其中，所述局部特征提取网络，包括：
候选框筛选子单元，用于根据所述文字区域对应的标准框与各所述候选框的重叠情况，对各所述候选框进行筛选；
特征数据截取子单元，用于根据筛选后的候选框对所述样本特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
13.根据权利要求12所述的装置，还包括标签类别确定模块，用于将所述标准框的标准类别，作为筛选后的候选框的标签类别。
14.根据权利要求11-13任一项所述的装置，其中，所述样本图像为票据图像。
15.一种光学字符识别装置，包括：
目标特征数据得到模块，用于对目标图像进行特征提取，得到目标特征数据；
预测类别确定模块，用于将所述目标特征数据输入至训练好的光学字符识别模型，以确定所述目标特征数据中的文字区域对应的局部特征数据，并提取所述局部特征数据中的语义信息，根据所述语义信息确定所述文字区域的预测类别；
其中，所述光学字符识别模型包括检测网络、局部特征提取网络和分类网络；
所述检测网络，用于检测所述目标特征数据中的文字区域，得到至少一个候选框；
所述局部特征提取网络，与所述检测网络相连接，用于根据各所述候选框，对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据；
所述分类网络，与所述局部特征提取网络相连接，用于提取所述局部特征数据中的语义信息，并根据所述语义信息，确定所述文字区域的预测类别。
16.根据权利要求15所述的装置，其中，所述局部特征提取网络，包括：
候选框筛选子单元，用于采用非极大值抑制NMS对各所述候选框进行筛选；
特征数据截取子单元，用于根据筛选后的候选框对所述目标特征数据进行截取，得到所述文字区域对应的所述局部特征数据。
17.根据权利要求15-16任一项所述的装置，其中，所述目标图像为票据图像。
18. 一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的一种光学字符识别模型训练方法；和/或，执行权利要求7-10中任一项所述的一种光学字符识别方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的一种光学字符识别模型训练方法；和/或，执行权利要求7-10中任一项所述的一种光学字符识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110341261.XA CN113033431B (zh) | 2021-03-30 | 2021-03-30 | 光学字符识别模型训练和识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110341261.XA CN113033431B (zh) | 2021-03-30 | 2021-03-30 | 光学字符识别模型训练和识别方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113033431A CN113033431A (zh) | 2021-06-25 |
| CN113033431B true CN113033431B (zh) | 2023-08-08 |
Family
ID=76453447
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110341261.XA Active CN113033431B (zh) | 2021-03-30 | 2021-03-30 | 光学字符识别模型训练和识别方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113033431B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113642584B (zh) * | 2021-08-13 | 2023-11-28 | 北京百度网讯科技有限公司 | 文字识别方法、装置、设备、存储介质和智能词典笔 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109086756A (zh) * | 2018-06-15 | 2018-12-25 | 众安信息技术服务有限公司 | 一种基于深度神经网络的文本检测分析方法、装置及设备 |
| CN109376731A (zh) * | 2018-08-24 | 2019-02-22 | 北京三快在线科技有限公司 | 一种文字识别方法和装置 |
| CN109583449A (zh) * | 2018-10-29 | 2019-04-05 | 深圳市华尊科技股份有限公司 | 字符识别方法及相关产品 |
| CN110738207A (zh) * | 2019-09-10 | 2020-01-31 | 西南交通大学 | 一种融合文字图像中文字区域边缘信息的文字检测方法 |
| WO2020173036A1 (zh) * | 2019-02-26 | 2020-09-03 | 博众精工科技股份有限公司 | 基于深度学习的定位方法和系统 |
| CN111738251A (zh) * | 2020-08-26 | 2020-10-02 | 北京智源人工智能研究院 | 一种融合语言模型的光学字符识别方法、装置和电子设备 |
| CN112115865A (zh) * | 2020-09-18 | 2020-12-22 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
-
2021
- 2021-03-30 CN CN202110341261.XA patent/CN113033431B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109086756A (zh) * | 2018-06-15 | 2018-12-25 | 众安信息技术服务有限公司 | 一种基于深度神经网络的文本检测分析方法、装置及设备 |
| CN109376731A (zh) * | 2018-08-24 | 2019-02-22 | 北京三快在线科技有限公司 | 一种文字识别方法和装置 |
| CN109583449A (zh) * | 2018-10-29 | 2019-04-05 | 深圳市华尊科技股份有限公司 | 字符识别方法及相关产品 |
| WO2020173036A1 (zh) * | 2019-02-26 | 2020-09-03 | 博众精工科技股份有限公司 | 基于深度学习的定位方法和系统 |
| CN110738207A (zh) * | 2019-09-10 | 2020-01-31 | 西南交通大学 | 一种融合文字图像中文字区域边缘信息的文字检测方法 |
| CN111738251A (zh) * | 2020-08-26 | 2020-10-02 | 北京智源人工智能研究院 | 一种融合语言模型的光学字符识别方法、装置和电子设备 |
| CN112115865A (zh) * | 2020-09-18 | 2020-12-22 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| Kiran Badwaik ; Khalid Mahmood ; Asif Raza.Towards applying OCR and Semantic Web to achieve optimal learning experience.《2017 IEEE 13th International Symposium on Autonomous Decentralized System (ISADS)》.2017,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113033431A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113191256B (zh) | 车道线检测模型的训练方法、装置、电子设备及存储介质 | |
| CN112633276B (zh) | 训练方法、识别方法、装置、设备、介质 | |
| CN112560862B (zh) | 文本识别方法、装置及电子设备 | |
| CN113780098B (zh) | 文字识别方法、装置、电子设备以及存储介质 | |
| CN113360580B (zh) | 基于知识图谱的异常事件检测方法、装置、设备及介质 | |
| CN113012176B (zh) | 样本图像的处理方法、装置、电子设备及存储介质 | |
| CN113205041B (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
| EP4138050A1 (en) | Table generating method and apparatus, electronic device, storage medium and product | |
| CN114419035B (zh) | 产品识别方法、模型训练方法、装置和电子设备 | |
| CN115422389B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
| CN111275011A (zh) | 移动红绿灯检测方法、装置、电子设备和存储介质 | |
| US20230213353A1 (en) | Method of updating road information, electronic device, and storage medium | |
| CN115457329B (zh) | 图像分类模型的训练方法、图像分类方法和装置 | |
| US20230237763A1 (en) | Image processing method and system | |
| CN113657395A (zh) | 文本识别方法、视觉特征提取模型的训练方法及装置 | |
| US20230245429A1 (en) | Method and apparatus for training lane line detection model, electronic device and storage medium | |
| CN115410173A (zh) | 多模态融合的高精地图要素识别方法、装置、设备及介质 | |
| CN113033431B (zh) | 光学字符识别模型训练和识别方法、装置、设备及介质 | |
| US11881044B2 (en) | Method and apparatus for processing image, device and storage medium | |
| CN113762109A (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
| CN114092948A (zh) | 一种票据识别方法、装置、设备以及存储介质 | |
| CN111414889B (zh) | 基于文字识别的财务报表识别方法及装置 | |
| CN115482436B (zh) | 图像筛选模型的训练方法、装置以及图像筛选方法 | |
| CN112818972B (zh) | 兴趣点图像的检测方法、装置、电子设备及存储介质 | |
| CN114155589B (zh) | 一种图像处理方法、装置、设备以及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |