CN113313064B - 字符识别方法、装置、可读介质及电子设备 - Google Patents

字符识别方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN113313064B
CN113313064B CN202110698184.3A CN202110698184A CN113313064B CN 113313064 B CN113313064 B CN 113313064B CN 202110698184 A CN202110698184 A CN 202110698184A CN 113313064 B CN113313064 B CN 113313064B
Authority
CN
China
Prior art keywords
text
character
image
character recognition
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110698184.3A
Other languages
English (en)
Other versions
CN113313064A (zh
Inventor
范湉湉
黄灿
王长虎
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 Youzhuju Network Technology Co Ltd
Original Assignee
Beijing Youzhuju Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Youzhuju Network Technology Co Ltd filed Critical Beijing Youzhuju Network Technology Co Ltd
Priority to CN202110698184.3A priority Critical patent/CN113313064B/zh
Publication of CN113313064A publication Critical patent/CN113313064A/zh
Application granted granted Critical
Publication of CN113313064B publication Critical patent/CN113313064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Character Discrimination (AREA)

Abstract

本公开涉及一种字符识别方法、装置、可读介质及电子设备，该字符识别方法通过获取待识别文本图像中每个字符对应的字符文本区域图像，以及该待识别文本图像中的行区域图像；根据该字符文本区域图像，通过预先训练的预设字符识别模型得到该待识别文本图像对应的待定字符识别结果；并根据该行区域图像，以及该待定字符识别结果中该行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到该待识别文本图像对应的目标字符识别结果。如此通过该预设非自回归模型以待定字符识别结果为预测依据，不仅能够有效提升字符识别效率，还能够结合上下文语义信息，提升字符识别结果的准确率。

Description

字符识别方法、装置、可读介质及电子设备
技术领域
本公开涉及字符识别技术领域，具体地，涉及一种字符识别方法、装置、可读介质及电子设备。
背景技术
光学字符识别(Optical Character Recognition，OCR)是指对图像文件进行分析识别处理，获取文字信息的过程。该光学字符识别通常包括文本检测和文本识别两个阶段，其中，文本检测用于发现，分割，图片中的文字区域，文本识别用于对文本检测阶段分割好的文字区域子图进行识别，以得到文本转译信息。
目前的文本识别方法通常采用CTC(Connectionist Temporal Classification，时序类数据的分类)算法或者Attention机制的模型，识别过程中需要用已生成的字符来预测下一个位置的字符，这样，对于长文本，目前的文本识别方法所需的推理时间明显增加，不利于提升文本识别效率。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开提供了一种字符识别方法、装置、可读介质及电子设备。
第一方面，本公开提供一种字符识别方法，所述方法包括：
获取待识别文本图像中的字符位置信息和文本行位置信息；
根据所述字符位置信息，获取所述待识别文本图像中每个字符对应的字符文本区域图像，并根据所述文本行位置信息获取所述待识别文本图像中的行区域图像；
根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果；
根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果。
第二方面，本公开提供一种字符识别装置，所述装置包括：
第一获取模块，用于获取待识别文本图像中的字符位置信息和文本行位置信息；
第二获取模块，用于根据所述字符位置信息，获取所述待识别文本图像中每个字符对应的字符文本区域图像，并根据所述文本行位置信息获取所述待识别文本图像中的行区域图像；
第一确定模块，用于根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果；
第二确定模块，用于根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果。
第三方面，本公开提供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以上第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现以上第一方面所述方法的步骤。
通过上述技术方案，根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果；并根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果，这样通过该预设非自回归模型以待定字符识别结果为预测依据，不仅能够有效提升字符识别效率，还能够有效结合上下文语义信息，提升字符识别结果的准确率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是本公开一示例性实施例示出的一种字符识别方法的流程图；
图2是本公开一示例性实施例中示出的一种字符识别过程的示意图；
图3是根据图1所示实施例示出的一种字符识别方法的流程图；
图4是本公开一示例性实施例示出的一种字符识别装置的框图；
图5是本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
在详细介绍本公开的具体实施方式之前，首先对本公开的应用场景进行以下说明，本公开可以应用于对图像中文本内容的识别过程中，目前，相关技术中，通常采用以CRNN(Convolutional Recurrent Neural Network，卷积循环神经网络结构)为代表的CTC算法和以Transformer为代表的Attention机制，然而，无论是采用CTC算法，还是Attention机制的模型，均是自回归结构，即需要用模型自己已生成的字符来预测识别下一个位置的字符，故而对于长文本，通常所需的推理时间会明显增加，如此不利于提升文本识别效率。发明人发现，虽然相关技术中的非自回归模型能够在恒定的迭代次数内同时生成多个推理结果，但是由于目前的非自回归模型均不能利用待识别文本序列中的上下文语义信息，所以通常得到的文本识别结果准确率太低，甚至被认为不适用于文本识别场景。也就是说，相关技术中的文本识别模型要么识别效率较低，要么得到的识别结果的准确性较差，均无法既高效又准确的识别文本内容。
为了解决上述技术问题，本公开提供了一种字符识别方法、装置、可读介质及电子设备，该字符识别方法通过获取待识别文本图像中每个字符对应的字符文本区域图像，以及该待识别文本图像中的行区域图像；根据该字符文本区域图像，通过预先训练的预设字符识别模型得到该待识别文本图像对应的待定字符识别结果；并根据该行区域图像，以及该待定字符识别结果中该行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到该待识别文本图像对应的目标字符识别结果。如此通过该预设非自回归模型以待定字符识别结果为预测依据，不仅能够有效提升字符识别效率，还能够有效结合上下文语义信息，提升字符识别结果的准确率。
下面结合具体附图对本公开实施方式进行详细阐述。
图1是本公开一示例性实施例示出的一种字符识别方法的流程图；参见图1，该方法可以包括以下步骤：
步骤101，获取待识别文本图像中的字符位置信息和文本行位置信息。
其中，该字符位置信息可以包括图像中字符的像素坐标，该字符可以单字符，也可以是宽字符，例如，一个字符可以是一个英文的字母，也可以是中文的一个汉字，该文本行位置信息可以包括图像中文本行对应的像素坐标。
本步骤中一种可能的实施方式为：获取该待识别文本图像对应的字符mask图和文本行mask图；将该待识别文本图像，该待识别文本图像对应的字符mask图和文本行mask图作为预设的多粒度字符位置检测模型的输入，以使该多粒度字符位置检测模型输出得到该待识别文本图像中每个字符对应的字符位置信息和该待识别文本图像中每个文本行对应的文本行位置信息。
其中，多粒度字符位置检测模型可以通过以下训练方式训练得到：
获取多个第二待识别文本图像样本集，该第二待识别文本图像样本集包括第二待识别文本图像样本，以及该第二待识别文本图像样本对应的字符mask图和文本行区域mask图；将该多个第二待识别文本图像样本集作为第二模型训练数据，通过该第二模型训练数据对第二预设初始模型进行训练，以得到该多粒度字符位置检测模型。其中，该第二预设初始模型可以是DNN(Deep Neural Networks，深度神经网络)模型。
示例地，如图2所示，图2是本公开一示例性实施例中示出的一种字符识别过程的示意图，对图2中的待识别图像I进行字符位置信息和文本行位置信息识别后，得到图II和图III，在图II中每个小方框为每个字符的位置框，在该图III中，每个小方框为文本行的位置框。
另外，本步骤还可以通过相关技术中的二分类检测模型，以使该二分类检测模型同时对该待识别文本图像中字符所在位置以及文本行所在位置进行检测，使该二分类检测模型同时输出待识别文本图像中字符对应的位置框和待识别文本图像中文本行对应的位置框，其中，以上二分类检测模型，以及二分类检测模型的训练方法，在现有技术中较为常见，本公开在此不再赘述。
再有，本步骤中还可以通过分别训练用于识别字符所在位置的第一模型和用于识别文本行所在位置的第二模型，通过第一模型和第二模型分别得到该字符对应的位置框和该文本行对应的位置框，其中，以上第一模型，第二模型以及第一模型的训练方法和第二模型的训练方法在现有技术中较为常见，本公开在此不再赘述。
步骤102，根据该字符位置信息，获取该待识别文本图像中每个字符对应的字符文本区域图像，并根据该文本行位置信息获取该待识别文本图像中的行区域图像。
本步骤中，可以根据每个字符的该字符位置信息(如图2中，字符的位置框)从该待识别文本图像中截取对应的字符文本区域图像，根据文本行位置信息(如图2中，文本行的位置框)从该待识别文本图像中截取对应的行区域图像。
步骤103，根据该字符文本区域图像，通过预先训练的预设字符识别模型得到该待识别文本图像对应的待定字符识别结果。
本步骤中，可以对该待识别文本图像中的每个该字符文本区域图像进行仿射变换，以得到每个该字符文本区域图像对应的字符文本输入图像；将每个该字符文本区域图像对应的该字符文本输入图像作为该预设字符识别模型的输入，以输出得到该待定字符识别结果。
其中，该预设字符识别模型是通过以下方式训练得到：
获取多个字符文本区域图像样本；将该多个字符文本区域图像样本作为第三模型训练数据，通过该第三模型训练数据对第三预设初始模型进行训练，以得到该预设字符识别模型。该第三预设初始模型可以是现有技术中的任一深度学习模型，例如CNN(Convolutional Neural Networks，卷积神经网络)网络模型。
需要说明的是，之所以需要对该待识别文本图像中的每个该字符文本区域图像进行仿射变换，是因为需要将从该待识别文本图像中截取的字符文本区域图像变换为该预设字符识别模型所需像素的输入图像，以便于输入该预设字符识别模型。将每个该字符文本区域图像对应的该字符文本输入图像的输入，以使该预设字符识别模型输出每个字符文本区域图像对应的文本，从而得到该待识别文本图像中的每个字符文本，即得到该待定字符识别结果。
示例地，仍以图2所示的待识别文本图像为例进行说明，将图II中每个字符的位置框对应的字符文本区域图像输入该预设字符识别模型后，得到待定字符识别结果“E”“U”“R”，“0”“.”“0”“0”,“B”“E”“T”“R”“I”“E”“B”“S”“B”“E”“R”“E”“I”“T”，需要指出的是，由于在识别每个字符图像中的字符文本时，没有结合任何上下文语义信息，因此该待定字符识别结果不能作为最终的目标识别结果。
步骤104，根据该行区域图像，以及该待定字符识别结果中该行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到该待识别文本图像对应的目标字符识别结果。
其中，该预设非自回归模型可以是RNN(Recurrent Neural Network，循环神经网络)，也可以是Encoder-Decoder中的Decoder模型。
需要说明的是，由于自回归模型在进行文本识别时，每个时刻的输入来自于前一时刻的输出，所以一旦有一个字符识别错误，则该错误可能会接着传递，使得后续的识别结果准确率更低，并且也同样是因为自回归模型需要每个时刻的输入来自于前一时刻的输出，因此，针对长文本，识别整个文本序列需要的时间会更长，而本申请所采用的预设非自回归模型一方面无需以模型前一时刻的输出作为当前时刻的输入，即无需以自身生成的识别结果为预测依据，因此不会出现错误传递的现象，这样有利于提升该目标字符识别结果的准确性，并且由于该非自回归模型能够以该待定字符识别结果为上下文语义信息，能够同时并行识别每个字符文本区域图像对应的字符文本，从而不仅能够保证识别时间与待识别文本图像中序列长度无关，而且能够有效保证文本识别结果的准确性。
以上技术方案，能够通过该预设非自回归模型以待定字符识别结果为预测依据，不仅能够有效提升字符识别效率，还能够结合上下文语义信息，提升字符识别结果的准确率。
进一步地，图3是根据图1所示实施例示出的一种字符识别方法的流程图；参见图3，以上图1中步骤104所述的根据该行区域图像，以及该待定字符识别结果中该行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到该待识别文本图像对应的目标字符识别结果，可以包括以下步骤：
步骤1041，获取每个行区域图像对应的该字符识别结果的一步偏移数据。
其中，该一步偏移数据包括该字符识别结果，以及位于该字符识别结果前的预设标志符。
示例地，仍以图2所示为例进行说明，在该图2中的图I中，包括3个文本行，对应图III中的三个文本行的位置框对应的图像，即为图I中的三个行区域图像，由步骤103所示示例可知，图中第一个文本行对应的行区域图像中的字符识别结果为“E”“U”“R”，则该第一个文本行对应的字符识别结果的一步偏移数据可以是“CLS”“E”“U”“R”，该第二个文本行对应的行区域图像中的字符识别结果“0”“.”“0”“0”，则该第二个文本行对应的字符识别结果的一步偏移数据可以是“CLS”“0”“.”“0”“0”，同理，该第三个文本行对应的行区域图像中的字符识别结果“B”“E”“T”“R”“I”“E”“B”“S”“B”“E”“R”“E”“I”“T”，则该第三个文本行对应的字符识别结果的一步偏移数据可以是“CLS”“B”“E”“T”“R”“I”“E”“B”“S”“B”“E”“R”“E”“I”“T”，其中该“CLS”为预设的开始标志符，以上“CLS”仅用于示例性说明预设标志符，并不用于限定具体的保护范围，本公开中的预设标志符还可以是其他字母，数字，图形等符号，本公开在此不再一一列举。
步骤1042，将每个该行区域图像和该行区域图像对应的该一步偏移数据作为该预设非自回归模型的输入，以使该预设非自回归模型输出该目标字符识别结果。
本步骤中，该预设非自回归模型是通过以下方式训练得到：
获取多个第一待识别文本图像样本集，该第一待识别文本图像样本集包括第一待识别文本图像样本和该第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据；将多个该第一待识别文本图像样本集作为第一模型训练数据，通过该第一模型训练数据对第一预设初始模型进行模型训练，以得到该预设非自回归模型。
需要说明的是，该第一预设初始模型可以是初始的RNN模型或者初始的Decoder模型，其中该RNN模型和该Decoder模型均在现有技术中较为常见，本公开不再赘述。
需要说明的是，通过将多组该第一待识别文本图像样本和该第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据作为第一模型训练数据，通过该第一模型训练数据对第一预设初始模型进行模型训练，以得到该预设非自回归模型，能够得到与时间复杂度无关的识别模型，即在字符识别过程中，无需以模型前一时刻的输出作为当前时刻的输入，可以以待定字符识别结果对应的一步偏移数据为预测依据，同时并行识别每个字符文本区域图像对应的字符文本，从而不仅能够保证识别时间与待识别文本图像中序列长度无关，而且能够有效保证文本识别结果的准确性。
以上技术方案，通过将多组该第一待识别文本图像样本和该第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据作为第一模型训练数据，通过该第一模型训练数据对第一预设初始模型进行模型训练，以得到该预设非自回归模型，能够得到与时间复杂度无关的文本识别模型，不仅能够有效提升字符识别效率，还能够结合上下文语义信息，提升字符识别结果的准确率。
图4是本公开一示例性实施例示出的一种字符识别装置的框图；参见图4，该装置可以包括：
第一获取模块401，用于获取待识别文本图像中的字符位置信息和文本行位置信息；
第二获取模块402，用于根据该字符位置信息，获取该待识别文本图像中每个字符对应的字符文本区域图像，并根据该文本行位置信息获取该待识别文本图像中的行区域图像；
第一确定模块403，用于根据该字符文本区域图像，通过预先训练的预设字符识别模型得到该待识别文本图像对应的待定字符识别结果；
第二确定模块404，用于根据该行区域图像，以及该待定字符识别结果中该行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到该待识别文本图像对应的目标字符识别结果。
以上技术方案，能够通过该预设非自回归模型以待定字符识别结果为预测依据，不仅能够有效提升字符识别效率，还能够结合上下文语义信息，提升字符识别结果的准确率。
可选地，该第二确定模块404用于：
获取每个行区域图像对应的该字符识别结果的一步偏移数据，该一步偏移数据包括该字符识别结果，以及位于该字符识别结果前的预设标志符；
将每个该行区域图像和该行区域图像对应的该一步偏移数据作为该预设非自回归模型的输入，以使该预设非自回归模型输出该目标字符识别结果。
可选地，该预设非自回归模型是通过以下方式训练得到：
获取多个第一待识别文本图像样本集，该第一待识别文本图像样本集包括第一待识别文本图像样本和该第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据；
将多个该第一待识别文本图像样本集作为第一模型训练数据，通过该第一模型训练数据对第一预设初始模型行模型训练，以得到该预设非自回归模型。
可选地，该第一获取模块401用于：
获取该待识别文本图像对应的字符mask图和文本行mask图；
将该待识别文本图像，该待识别文本图像对应的字符mask图和文本行mask图作为预设的多粒度字符位置检测模型的输入，以使该多粒度字符位置检测模型输出得到该待识别文本图像中每个字符对应的字符位置信息和该待识别文本图像中每个文本行对应的文本行位置信息。
可选地，该多粒度字符位置检测模型是通过以下训练方式训练得到：
获取多个第二待识别文本图像样本集，该第二待识别文本图像样本集包括第二待识别文本图像样本，以及该第二待识别文本图像样本对应的字符mask图和文本行区域mask图；
将该多个第二待识别文本图像样本集作为第二模型训练数据，通过该第二模型训练数据对第二预设初始模型进行训练，以得到该多粒度字符位置检测模型。
可选地，该第一确定模块403用于：
对该待识别文本图像中的每个该字符文本区域图像进行仿射变换，以得到每个该字符文本区域图像对应的字符文本输入图像；
将每个该字符文本区域图像对应的该字符文本输入图像作为该预设字符识别模型的输入，以输出得到该待定字符识别结果。
可选地，该预设字符识别模型是通过以下方式训练得到：
获取多个字符文本区域图像样本；
将该多个字符文本区域图像样本作为第三模型训练数据，通过该第三模型训练数据对第三预设初始模型进行训练，以得到该预设字符识别模型。
以上技术方案，通过将多组该第一待识别文本图像样本和该第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据作为第一模型训练数据，通过该第一模型训练数据对第一预设初始模型进行模型训练，以得到该预设非自回归模型，能够得到与时间复杂度无关的文本识别模型，不仅能够有效提升字符识别效率，还能够结合上下文语义信息，提升字符识别结果的准确率。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的终端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。图5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5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：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506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，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，其包括承载在非暂态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流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端可以利用诸如HTTP(HyperText Transfer Protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
获取待识别文本图像中的字符位置信息和文本行位置信息；根据该字符位置信息，获取该待识别文本图像中每个字符对应的字符文本区域图像，并根据该文本行位置信息获取该待识别文本图像中的行区域图像；根据该字符文本区域图像，通过预先训练的预设字符识别模型得到该待识别文本图像对应的待定字符识别结果；根据该行区域图像，以及该待定字符识别结果中该行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到该待识别文本图像对应的目标字符识别结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块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，第一获取模块还可以被描述为“获取待识别文本图像中的字符位置信息和文本行位置信息”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种字符识别方法，包括：
获取待识别文本图像中的字符位置信息和文本行位置信息；根据所述字符位置信息，获取所述待识别文本图像中每个字符对应的字符文本区域图像，并根据所述文本行位置信息获取所述待识别文本图像中的行区域图像；根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果；根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果，包括：
获取每个行区域图像对应的所述字符识别结果的一步偏移数据，所述一步偏移数据包括所述字符识别结果，以及位于所述字符识别结果前的预设标志符；将每个所述行区域图像和所述行区域图像对应的所述一步偏移数据作为所述预设非自回归模型的输入，以使所述预设非自回归模型输出所述目标字符识别结果。
根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述预设非自回归模型是通过以下方式训练得到：
获取多个第一待识别文本图像样本集，所述第一待识别文本图像样本集包括第一待识别文本图像样本和所述第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据；
将多个所述第一待识别文本图像样本集作为第一模型训练数据，通过所述第一模型训练数据对第一预设初始模型进行模型训练，以得到所述预设非自回归模型。
根据本公开的一个或多个实施例，示例4提供了示例1的方法，所述获取待识别文本图像中的字符位置信息和文本行位置信息，包括：
获取所述待识别文本图像对应的字符mask图和文本行mask图；
将所述待识别文本图像，所述待识别文本图像对应的字符mask图和文本行mask图作为预设的多粒度字符位置检测模型的输入，以使所述多粒度字符位置检测模型输出得到所述待识别文本图像中每个字符对应的字符位置信息和所述待识别文本图像中每个文本行对应的文本行位置信息。
根据本公开的一个或多个实施例，示例5提供了示例4的方法，所述多粒度字符位置检测模型是通过以下训练方式训练得到：
获取多个第二待识别文本图像样本集，所述第二待识别文本图像样本集包括第二待识别文本图像样本，以及所述第二待识别文本图像样本对应的字符mask图和文本行区域mask图；
将所述多个第二待识别文本图像样本集作为第二模型训练数据，通过所述第二模型训练数据对第二预设初始模型进行训练，以得到所述多粒度字符位置检测模型。
根据本公开的一个或多个实施例，示例6提供了示例1的方法，所述根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果，包括：
对所述待识别文本图像中的每个所述字符文本区域图像进行仿射变换，以得到每个所述字符文本区域图像对应的字符文本输入图像；
将每个所述字符文本区域图像对应的所述字符文本输入图像作为所述预设字符识别模型的输入，以输出得到所述待定字符识别结果。
根据本公开的一个或多个实施例，示例7提供了示例1的方法，所述预设字符识别模型是通过以下方式训练得到：
获取多个字符文本区域图像样本；
将所述多个字符文本区域图像样本作为第三模型训练数据，通过所述第三模型训练数据对第三预设初始模型进行训练，以得到所述预设字符识别模型。
根据本公开的一个或多个实施例，示例8提供了一种字符识别装置，包括：
第一获取模块，用于获取待识别文本图像中的字符位置信息和文本行位置信息；
第二获取模块，用于根据所述字符位置信息，获取所述待识别文本图像中每个字符对应的字符文本区域图像，并根据所述文本行位置信息获取所述待识别文本图像中的行区域图像；
第一确定模块，用于根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果；
第二确定模块，用于根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果。
根据本公开的一个或多个实施例，示例9提供了示例8的装置，所述第二确定模块用于：
获取每个行区域图像对应的所述字符识别结果的一步偏移数据，所述一步偏移数据包括所述字符识别结果，以及位于所述字符识别结果前的预设标志符；
将每个所述行区域图像和所述行区域图像对应的所述一步偏移数据作为所述预设非自回归模型的输入，以使所述预设非自回归模型输出所述目标字符识别结果。
根据本公开的一个或多个实施例，示例10提供了示例9的装置，所述预设非自回归模型是通过以下方式训练得到：
获取多个第一待识别文本图像样本集，所述第一待识别文本图像样本集包括第一待识别文本图像样本和所述第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据；
将多个所述第一待识别文本图像样本集作为第一模型训练数据，通过所述第一模型训练数据对第一预设初始模型进行模型训练，以得到所述预设非自回归模型。
根据本公开的一个或多个实施例，示例11提供了示例8的装置，所述第一获取模块用于：
获取所述待识别文本图像对应的字符mask图和文本行mask图；
将所述待识别文本图像，所述待识别文本图像对应的字符mask图和文本行mask图作为预设的多粒度字符位置检测模型的输入，以使所述多粒度字符位置检测模型输出得到所述待识别文本图像中每个字符对应的字符位置信息和所述待识别文本图像中每个文本行对应的文本行位置信息。
根据本公开的一个或多个实施例，示例12提供了示例11的装置，所述多粒度字符位置检测模型是通过以下训练方式训练得到：
获取多个第二待识别文本图像样本集，所述第二待识别文本图像样本集包括第二待识别文本图像样本，以及所述第二待识别文本图像样本对应的字符mask图和文本行区域mask图；
将所述多个第二待识别文本图像样本集作为第二模型训练数据，通过所述第二模型训练数据对第二预设初始模型进行训练，以得到所述多粒度字符位置检测模型。
根据本公开的一个或多个实施例，示例13提供了示例8的装置，所述第一确定模块用于：
对所述待识别文本图像中的每个所述字符文本区域图像进行仿射变换，以得到每个所述字符文本区域图像对应的字符文本输入图像；
将每个所述字符文本区域图像对应的所述字符文本输入图像作为所述预设字符识别模型的输入，以输出得到所述待定字符识别结果。
根据本公开的一个或多个实施例，示例14提供了示例8的装置，所述预设字符识别模型是通过以下方式训练得到：
获取多个字符文本区域图像样本；
将所述多个字符文本区域图像样本作为第三模型训练数据，通过所述第三模型训练数据对第三预设初始模型进行训练，以得到所述预设字符识别模型。
根据本公开的一个或多个实施例，示例15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以上示例1-7中任一项所述方法的步骤。
根据本公开的一个或多个实施例，示例15提供了一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现以上示例1-7中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。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。

Claims (14)

1.一种字符识别方法，其特征在于，所述方法包括：
获取待识别文本图像中的字符位置信息和文本行位置信息；
根据所述字符位置信息，获取所述待识别文本图像中每个字符对应的字符文本区域图像，并根据所述文本行位置信息获取所述待识别文本图像中的行区域图像；
根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果；
根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果；
所述根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果，包括：
获取每个行区域图像对应的所述字符识别结果的一步偏移数据，所述一步偏移数据包括所述字符识别结果，以及位于所述字符识别结果前的预设标志符；
将每个所述行区域图像和所述行区域图像对应的所述一步偏移数据作为所述预设非自回归模型的输入，以使所述预设非自回归模型输出所述目标字符识别结果。
2.根据权利要求1所述的方法，其特征在于，所述预设非自回归模型是通过以下方式训练得到：
获取多个第一待识别文本图像样本集，所述第一待识别文本图像样本集包括第一待识别文本图像样本和所述第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据；
将多个所述第一待识别文本图像样本集作为第一模型训练数据，通过第一模型训练数据对第一预设初始模型进行模型训练，以得到所述预设非自回归模型。
3.根据权利要求1所述的方法，其特征在于，所述获取待识别文本图像中的字符位置信息和文本行位置信息，包括：
获取所述待识别文本图像对应的字符mask图和文本行mask图；
将所述待识别文本图像，所述待识别文本图像对应的字符mask图和文本行mask图作为预设的多粒度字符位置检测模型的输入，以使所述多粒度字符位置检测模型输出得到所述待识别文本图像中每个字符对应的字符位置信息和所述待识别文本图像中每个文本行对应的文本行位置信息。
4.根据权利要求3所述的方法，其特征在于，所述多粒度字符位置检测模型是通过以下训练方式训练得到：
获取多个第二待识别文本图像样本集，所述第二待识别文本图像样本集包括第二待识别文本图像样本，以及所述第二待识别文本图像样本对应的字符mask图和文本行区域mask图；
将所述多个第二待识别文本图像样本集作为第二模型训练数据，通过所述第二模型训练数据对第二预设初始模型进行训练，以得到所述多粒度字符位置检测模型。
5.根据权利要求1所述的方法，其特征在于，所述根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果，包括：
对所述待识别文本图像中的每个所述字符文本区域图像进行仿射变换，以得到每个所述字符文本区域图像对应的字符文本输入图像；
将每个所述字符文本区域图像对应的所述字符文本输入图像作为所述预设字符识别模型的输入，以输出得到所述待定字符识别结果。
6.根据权利要求1所述的方法，其特征在于，所述预设字符识别模型是通过以下方式训练得到：
获取多个字符文本区域图像样本；
将所述多个字符文本区域图像样本作为第三模型训练数据，通过所述第三模型训练数据对第三预设初始模型进行训练，以得到所述预设字符识别模型。
7.一种字符识别装置，其特征在于，所述装置包括：
第一获取模块，用于获取待识别文本图像中的字符位置信息和文本行位置信息；
第二获取模块，用于根据所述字符位置信息，获取所述待识别文本图像中每个字符对应的字符文本区域图像，并根据所述文本行位置信息获取所述待识别文本图像中的行区域图像；
第一确定模块，用于根据所述字符文本区域图像，通过预先训练的预设字符识别模型得到所述待识别文本图像对应的待定字符识别结果；
第二确定模块，用于根据所述行区域图像，以及所述待定字符识别结果中所述行区域图像对应的字符识别结果，通过预先训练的预设非自回归模型得到所述待识别文本图像对应的目标字符识别结果；
所述第二确定模块用于：
获取每个行区域图像对应的所述字符识别结果的一步偏移数据，所述一步偏移数据包括所述字符识别结果，以及位于所述字符识别结果前的预设标志符；
将每个所述行区域图像和所述行区域图像对应的所述一步偏移数据作为所述预设非自回归模型的输入，以使所述预设非自回归模型输出所述目标字符识别结果。
8.根据权利要求7所述的装置，其特征在于，所述预设非自回归模型是通过以下方式训练得到：
获取多个第一待识别文本图像样本集，所述第一待识别文本图像样本集包括第一待识别文本图像样本和所述第一待识别文本图像样本中每个行区域图像样本对应的一步偏移数据；
将多个所述第一待识别文本图像样本集作为第一模型训练数据，通过所述第一模型训练数据对第一预设初始模型进行模型训练，以得到所述预设非自回归模型。
9.根据权利要求7所述的装置，其特征在于，所述第一获取模块用于：
获取所述待识别文本图像对应的字符mask图和文本行mask图；
将所述待识别文本图像，所述待识别文本图像对应的字符mask图和文本行mask图作为预设的多粒度字符位置检测模型的输入，以使所述多粒度字符位置检测模型输出得到所述待识别文本图像中每个字符对应的字符位置信息和所述待识别文本图像中每个文本行对应的文本行位置信息。
10.根据权利要求9所述的装置，其特征在于，所述多粒度字符位置检测模型是通过以下训练方式训练得到：
获取多个第二待识别文本图像样本集，所述第二待识别文本图像样本集包括第二待识别文本图像样本，以及所述第二待识别文本图像样本对应的字符mask图和文本行区域mask图；
将所述多个第二待识别文本图像样本集作为第二模型训练数据，通过所述第二模型训练数据对第二预设初始模型进行训练，以得到所述多粒度字符位置检测模型。
11.根据权利要求7所述的装置，其特征在于，所述第一确定模块用于：
对所述待识别文本图像中的每个所述字符文本区域图像进行仿射变换，以得到每个所述字符文本区域图像对应的字符文本输入图像；
将每个所述字符文本区域图像对应的所述字符文本输入图像作为所述预设字符识别模型的输入，以输出得到所述待定字符识别结果。
12.根据权利要求7所述的装置，其特征在于，所述预设字符识别模型是通过以下方式训练得到：
获取多个字符文本区域图像样本；
将所述多个字符文本区域图像样本作为第三模型训练数据，通过所述第三模型训练数据对第三预设初始模型进行训练，以得到所述预设字符识别模型。
13.一种计算机可读介质，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权利要求1-6中任一项所述方法的步骤。
14.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。
CN202110698184.3A 2021-06-23 2021-06-23 字符识别方法、装置、可读介质及电子设备 Active CN113313064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110698184.3A CN113313064B (zh) 2021-06-23 2021-06-23 字符识别方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110698184.3A CN113313064B (zh) 2021-06-23 2021-06-23 字符识别方法、装置、可读介质及电子设备

Publications (2)

Publication Number Publication Date
CN113313064A CN113313064A (zh) 2021-08-27
CN113313064B true CN113313064B (zh) 2024-08-23

Family

ID=77380293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110698184.3A Active CN113313064B (zh) 2021-06-23 2021-06-23 字符识别方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN113313064B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113723420B (zh) * 2021-09-03 2024-07-02 安徽淘云科技股份有限公司 一种扫描方法及其相关设备
CN113762269B (zh) * 2021-09-08 2024-03-22 深圳市网联安瑞网络科技有限公司 基于神经网络的中文字符ocr识别方法、系统及介质
CN113627395B (zh) * 2021-09-17 2023-11-17 平安银行股份有限公司 文本识别方法、装置、介质及电子设备
CN114037990A (zh) * 2021-11-04 2022-02-11 北京有竹居网络技术有限公司 一种字符识别方法、装置、设备、介质及产品
CN114187593B (zh) * 2021-12-14 2024-01-30 北京有竹居网络技术有限公司 一种图像处理方法及装置
CN114529930B (zh) * 2022-01-13 2024-03-01 上海森亿医疗科技有限公司 基于非标准映射字体的pdf修复方法、存储介质及设备
CN114495111B (zh) * 2022-01-20 2024-07-26 北京字节跳动网络技术有限公司 文本识别方法、装置、可读介质及电子设备
CN114565913B (zh) * 2022-03-03 2024-08-20 广州华多网络科技有限公司 文本识别方法及其装置、设备、介质、产品
CN114708580B (zh) * 2022-04-08 2024-04-16 北京百度网讯科技有限公司 文本识别、模型训练方法、装置、设备、存储介质及程序
CN114743012B (zh) * 2022-04-08 2024-02-06 北京金堤科技有限公司 一种文本识别方法及装置
CN114898376B (zh) * 2022-05-31 2024-06-25 深圳市星桐科技有限公司 公式识别方法、装置、设备及介质
CN118366173A (zh) * 2024-04-30 2024-07-19 动微视觉(北京)科技有限公司 识别字符的方法、装置、存储介质、电子设备及程序产品

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112883967A (zh) * 2021-02-24 2021-06-01 北京有竹居网络技术有限公司 图像字符识别方法、装置、介质及电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407976B (zh) * 2016-08-30 2019-11-05 百度在线网络技术（北京）有限公司 图像字符识别模型生成和竖列字符图像识别方法和装置
CN108875722A (zh) * 2017-12-27 2018-11-23 北京旷视科技有限公司 字符识别与识别模型训练方法、装置和系统及存储介质
CN109598272B (zh) * 2019-01-11 2021-08-06 北京字节跳动网络技术有限公司 字符行图像的识别方法、装置、设备及介质
CN111582282B (zh) * 2020-05-13 2024-04-12 科大讯飞股份有限公司 一种文本识别方法、装置、设备及存储介质
CN111797589B (zh) * 2020-05-29 2024-10-18 华为技术有限公司 一种文本处理网络、神经网络训练的方法以及相关设备
CN111931736B (zh) * 2020-09-27 2021-01-19 浙江大学 利用非自回归模型与整合放电技术的唇语识别方法、系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112883967A (zh) * 2021-02-24 2021-06-01 北京有竹居网络技术有限公司 图像字符识别方法、装置、介质及电子设备

Also Published As

Publication number Publication date
CN113313064A (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
CN113313064B (zh) 字符识别方法、装置、可读介质及电子设备
CN112883968B (zh) 图像字符识别方法、装置、介质及电子设备
CN113222983A (zh) 图像处理方法、装置、可读介质和电子设备
US20240233334A1 (en) Multi-modal data retrieval method and apparatus, medium, and electronic device
CN110659639B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN113140012B (zh) 图像处理方法、装置、介质及电子设备
CN110826567A (zh) 光学字符识别方法、装置、设备及存储介质
CN113033682B (zh) 视频分类方法、装置、可读介质、电子设备
CN115270981A (zh) 对象处理方法、装置、可读介质及电子设备
CN113033707B (zh) 视频分类方法、装置、可读介质及电子设备
CN113033552B (zh) 文本识别方法、装置和电子设备
CN110674813B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN116092092A (zh) 匹配方法、装置、介质及电子设备
CN116483891A (zh) 一种信息预测方法、装置、设备和存储介质
CN113222050B (zh) 图像分类方法、装置、可读介质及电子设备
CN116244431A (zh) 文本分类方法、装置、介质及电子设备
CN112418233B (zh) 图像处理方法、装置、可读介质及电子设备
CN114612909A (zh) 字符识别方法、装置、可读介质及电子设备
CN114495080A (zh) 字体识别方法、装置、可读介质及电子设备
CN113936271A (zh) 文本识别方法、装置、可读介质及电子设备
CN114758342A (zh) 文本识别方法、装置、介质及电子设备
CN114429628A (zh) 图像处理方法、装置、可读存储介质及电子设备
CN114004229A (zh) 文本识别方法、装置、可读介质及电子设备
CN113705386A (zh) 视频分类方法、装置、可读介质和电子设备
CN112712070A (zh) 一种珠算题的判题方法、装置、电子设备及存储介质

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