CN114359932B - 文本检测方法、文本识别方法及装置 - Google Patents
文本检测方法、文本识别方法及装置 Download PDFInfo
- Publication number
- CN114359932B CN114359932B CN202210028960.3A CN202210028960A CN114359932B CN 114359932 B CN114359932 B CN 114359932B CN 202210028960 A CN202210028960 A CN 202210028960A CN 114359932 B CN114359932 B CN 114359932B
- Authority
- CN
- China
- Prior art keywords
- text
- feature map
- image
- similarity
- strip
- 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
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims description 118
- 239000013598 vector Substances 0.000 claims description 76
- 238000010586 diagram Methods 0.000 claims description 54
- 238000012549 training Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 27
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000012015 optical character recognition Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007667 floating Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
-
- 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
- G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06V30/16—Image preprocessing
-
- 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
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/182—Extraction of features or characteristics of the image by coding the contour of the pattern
- G06V30/1823—Extraction of features or characteristics of the image by coding the contour of the pattern using vector-coding
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19013—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/12—Bounding box
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Debugging And Monitoring (AREA)
- Communication Control (AREA)
- Character Input (AREA)
Abstract
本公开提供了一种文本检测方法、文本识别方法及装置,涉及人工智能技术领域,具体为深度学习、计算机视觉技术领域,可应用于光学字符识别等场景,文本检测方法为:获取待识别图像中文本条的图像特征,对待识别图像进行视觉增强处理,得到待识别图像的增强特征图,对文本条的图像特征与增强特征图进行相似性比对,得到在增强特征图上的文本条的目标包围盒。增强特征图从更多的维度对待识别图像的特征进行表征,使得确定出的包围盒具有较高的准确性和可靠性,且通过从文本条的包围盒和增强特征图的相似性比对确定文本条的包围盒,可以避免包围盒与文本条之间不匹配,使得包围盒具有较强的可靠性。
Description
技术领域
本公开涉及人工智能技术领域,具体为深度学习、计算机视觉技术领域,可应用于光学字符识别(Optical Character Recognition,OCR)等场景,尤其涉及一种文检测方法、文本识别方法及装置。
背景技术
随着人工智能技术的发展和普遍性应用,对图像中的文本内容进行识别的操作逐渐由人工识别替换为智能识别,而确定用于框选图像中的文本内容的包围盒是对文本内容进行识别的前置过程。
在现有技术中,文本检测的方法通常基于“人工标注+文字预测”的实现,如通过人工的方式对包围盒进行标注,并对包围盒中的文字进行预测,从而得到与待检测文本对应的文本内容。
但是,由于人工标注容易受到人为主观因素的影响,从而导致文本检测的准确性偏低的技术问题。
发明内容
本公开提供了一种用于提高文本检测准确性的文本检测方法、文本识别方法及装置。
根据本公开的第一方面,提供了一种文本检测方法,包括:
获取待识别图像中文本条的图像特征;并对所述待识别图像进行视觉增强处理,得到所述待识别图像的增强特征图,其中,所述增强特征图为表征所述待识别图像的特征向量的特征图;
对所述文本条的图像特征与所述增强特征图进行相似性比对,得到在所述增强特征图上的所述文本条的目标包围盒。
根据本公开的第二方面,提供了一种文本检测模型的训练方法,包括:
获取样本图像中文本条的图像特征;并对所述样本图像进行视觉增强处理,得到所述样本图像的增强特征图,其中,所述增强特征图为表征所述样本图像的特征向量的特征图;
对所述文本条的图像特征与所述增强特征图进行相似性比对,得到在所述增强特征图上的所述文本条的预测包围盒,并根据所述预测包围盒训练文本检测模型,所述文本检测模型用于获取待识别图像的目标包围盒。
根据本公开的第三方面,提供了一种文本识别方法,包括:
获取待识别图像,并获取待识别图像的包围盒,其中,所述包围盒中包括文本条,所述包围盒是基于如第一方面所述的方法获取到的,或者,所述包围盒是基于预设文本检测模型获取到的,所述文本检测模型是基于第二方面所述的方法训练生成的;
对所述包围盒进行识别处理,得到所述待识别图像的文本内容。
根据本公开的第四方面,提供了一种文本检测装置,包括:
第一获取单元,用于获取待识别图像中文本条的图像特征;
第一增强单元,用于对所述待识别图像进行视觉增强处理,得到所述待识别图像的增强特征图,其中,所述增强特征图为表征所述待识别图像的特征向量的特征图;
第一比对单元,用于对所述文本条的图像特征与所述增强特征图进行相似性比对,得到在所述增强特征图上的所述文本条的目标包围盒。
根据本公开的第五方面,提供了一种文本检测模型的训练装置,包括:
第二获取单元,用于获取样本图像中文本条的图像特征;
第二增强单元,用于对所述样本图像进行视觉增强处理,得到所述样本图像的增强特征图,其中,所述增强特征图为表征所述样本图像的特征向量的特征图;
第二比对单元,用于对所述文本条的图像特征与所述增强特征图进行相似性比对,得到在所述增强特征图上的所述文本条的预测包围盒;
训练单元,用于根据所述预测包围盒训练成文本检测模型,所述文本检测模型用于获取待识别图像的目标包围盒。
根据本公开的第六方面,提供了一种文本识别装置,包括:
第三获取单元,用于获取待识别图像;
第四获取单元,用于获取待识别图像的包围盒,其中,所述包围盒中包括文本条,所述包围盒是基于如第一方面所述的方法获取到的,或者,所述包围盒是基于预设文本检测模型获取到的,所述文本检测模型是基于第二方面所述的方法训练生成的;
识别单元,用于对所述包围盒进行识别处理,得到所述待识别图像的文本内容。
根据本公开的第七方面,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第一方面所述的方法;或者,以使所述至少一个处理器能够执行第二方面所述的方法;或者,以使所述至少一个处理器能够执行第三方面所述的方法。
根据本公开的第八方面,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根据第一方面所述的方法;或者,所述计算机指令用于使所述计算机执行根据第二方面所述的方法;或者,所述计算机指令用于使所述计算机执行根据第三方面所述的方法。
根据本公开的第九方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法,或者,执行第二方面所述的方法,或者,执行第三方面所述的方法。
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是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是本公开实施例的待识别图像的示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本公开第四实施例的示意图;
图6是根据本公开第五实施例的示意图;
图7是根据本公开第六实施例的示意图;
图8是根据本公开第七实施例的示意图;
图9是根据本公开第八实施例的示意图;
图10是根据本公开第九实施例的示意图;
图11是根据本公开第十实施例的示意图;
图12是根据本公开第十一实施例的示意图;
图13是根据本公开第十二实施例的示意图;
图14是用来实现本公开实施例的文本检测方法、文本检测模型训练方法、文本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。
包围盒是指,用于框选图像中的文本内容的多边形框,如矩形框。在对图像中的文本进行识别的场景或者其他识别场景中,通常需要先确定用于框选识别对象的包围盒,而后对包围盒中的内容进行识别,得到识别结果。
例如,在对文本识别的场景中,先确定包围盒,而后对包围盒中的文本进行识别,得到包围盒中的文本内容。又如,在对交通信号灯识别的场景中,先确定包围盒,而后对包围盒中的交通信号灯进行识别,从而确定为红灯或者绿灯或者黄灯。由于包围盒的应用场景较为广泛,包围盒在各场景中的应用的原理大致相同,此处不再一一列举。
示例性的,确定包围盒的方法可以分为两种,一种为回归方法,一种为分割方法。
其中,回归方法通常基于网络结构EAST(an Efficient and Accuracy SceneText detection pipeline)直接回归的方式得到包围盒。
然而,在采用回归方法确定包围盒时,由于该方法容易受限于网络结构的感受野能力,尤其在较长的文本或者文本有污染的情况下,边界回归相对不准确,从而导致文本条的包围盒的检测准确性偏低。
分割方法通常是指,定义文本区域、非文本区域以及文字边界类别阈值,以对文本区域和非文本区域进行区分,以得到包围盒。
然而,在采用分割方法确定包围盒时,若文本有重叠,则文本区域无法对重叠的文本进行有效分离,从而造成包围盒的检测无法准确区分文本的技术问题。
为了避免上述技术问题中的一种或多种,本公开的发明人经过创造性的劳动,得到了本公开的发明构思:确定待识别图像的文本条的图像特征,确定待识别图像的增强特征图(对待识别图像进行视觉增强处理后的特征图),并基于文本条的图像特征和增强特征图,从增强特征图中确定文本条的包围盒。
基于上述发明构思,本公开提供一种文本检测方法、文本识别方法及装置,应用于人工智能技术领域,具体为深度学习、计算机视觉技术领域,可应用于光学字符识别等场景,以提高检测得到的包围盒的准确性和可靠性。
图1是根据本公开第一实施例的示意图,如图1所示,本公开实施例提供的文本检测方法,包括:
S101:获取待识别图像中文本条的图像特征。
示例性的,本实施例的执行主体可以为文本检测装置(下文简称检测装置),检测装置可以为服务器(如本地服务器,或者,云端服务器),也可以为计算机,也可以为终端设备,也可以为处理器,也可以为芯片等,本实施例不做限定。
文本条也可以称为文本行,是指待识别图像中包括文字的行。文本条的图像特征是指,对文本条的颜色、纹理、像素、位置等进行表征的特征。
S102:对待识别图像进行视觉增强处理,得到待识别图像的增强特征图。其中,增强特征图为表征待识别图像的特征向量的特征图。
应该理解的是,视觉增强处理的方法有多种,本实施例对具体采用何种方法对待识别图像进行视觉增强处理不做限定。增强特征图相对而言可以从更多的维度对待识别图像的特征(如待识别图像在颜色、纹理、像素、位置等的特征)进行表征。
值得说明的是,上述S101与S102之间并无先后顺序的限定,即可以先获取文本条的图像特征,而后获取增强特征图;也可以先获取增强特征图,而后获取文本条的图像特征;也可以同时获取文本条的图像特征和增强特征图,本实施例不做限定。
S103:对文本条的图像特征与增强特征图进行相似性比对,得到在增强特征图上的文本条的目标包围盒。
结合上述分析,增强特征图可以从更多的维度对待识别图像的特征进行表征,因此,当将文本条的图像特征与增强特征图进行相似性比对时,可以提高相似性比对的准确性和可靠性,而当以基于相似性比对的操作从增强特征图上确定出文本条的目标包围盒时,可以提高确定出的文本条的目标包围盒的准确性和可靠性。
基于上述分析可知,本公开实施例提供了文本检测方法,包括:获取待识别图像中文本条的图像特征,对待识别图像进行视觉增强处理,得到待识别图像的增强特征图,其中,增强特征图为表征待识别图像的特征向量的特征图,对文本条的图像特征与增强特征图进行相似性比对,得到在增强特征图上的文本条的目标包围盒,在本实施例中,引入了:在分别获取到文本条的图像特征和增强特征图之后,将二者相匹配(即相似性比对),以从增强特征图中确定文本条的包围盒的技术特征,由于增强特征图从更多的维度对待识别图像的特征进行表征,因此,可以使得确定出的包围盒具有较高的准确性和可靠性,且通过从文本条的包围盒和增强特征图的相似性比对确定文本条的包围盒,可以实现从多个维度比对而对包围盒进行确定,避免包围盒与文本条之间不匹配,如可以避免由于包围盒的不准确性造成的包围盒中同时包括了不属于同一行的文本条的问题,从而使得包围盒具有较强的针对性和可靠性的技术效果。
图2是根据本公开第二实施例的示意图,如图2所示,本公开实施例提供的文本检测方法,包括:
S201:获取待识别图像的图像特征,并根据待识别图像的图像特征确定待识别图像的初始包围盒。其中,初始包围中包括文本条。
需要说明的是,关于本实施例中与上一实施例中相同的技术特征,本实施例不做具体阐述,例如,关于本实施例的执行主体,又如对文本条的理解,再如对文本条的图像特征的理解理解等,此处不再一一列举。
其中,待识别图像可以为被输入至检测装置中的图像,也可以为检测装置基于识别需求而采集到的图像,本实施例对获取待识别图像的方法不做限定。例如:
一个示例中,检测装置可以与图像采集装置连接,并接收由图像采集装置发送的待识别图像。
另一个示例中,检测装置可以提供载入图像的工具,用户可以通过该载入图像的工具将待识别图像传输至检测装置。
其中,载入图像的工具可以为用于与外接设备连接的接口,如用于与其他存储设备连接的接口,通过该接口获取外接设备传输的待识别图像;载入图像的工具也可以为显示装置,如检测装置可以在显示装置上输入载入图像功能的界面,用户可以通过该界面将待识别图像导入至检测装置,检测装置获取导入的待识别图像。
初始包围盒与目标包围盒为相对概念,初始包围盒可以理解为,检测装置获取的待识别图像的大致的、粗略的包围盒,即初始包围盒的准确性偏低,如初始包围盒中的文本条为不同行中的文本条。相对于初始包围盒,目标包围盒为相对更为精准,对文本条的框选更加可靠。
本实施例对获取待识别图像的图像特征的实现方法不做限定,例如,可以通过相关技术中的网络结构实现,如可以基于卷积神经网络(如VGG、DenseNet)网络结构实现,也可以基于残差神经网络(ResNet)结构实现,也可以基于Vision Transformer网络结构实现,此处不再一一列举。
同理,本实施对获取初始包围盒的方法也不做限定,例如,可以通过网络结构实现,如可以通过目标定位检测(Region-based)网络结构实现,具体可以通过目标定位检测卷积神经网络(Faster-RCNN)结构实现,此处不再一一列举。
S202:基于待识别图像的图像特征,获取初始包围盒中文本条的图像特征。
初始包围盒的数量可能为多个,文本条的数量也可能为多个,一般而言,初始包围盒的数量与文本条的数量相同。但是,结合上述分析,由于初始包围盒为大致的、粗略的包围盒,因此,初始包围盒中可能同时包括多个文本条。
以待识别图像为发票为例,关于文本条的数量,可以参阅图3。如图3所示,发票中包括:发票代码X,发票号码XX,纳税人XXX,纳税人识别号XXXX,相应的,文本条的数量为四个。
针对每一文本条,基于待识别图像的图像特征,获取每一文本条的图像特征。
在一些实施例中,可以基于目标检测(ROI pooling)方法,对文本条的特征进行提取,从而得到文本条的图像特征。
其中,文本条的图像特征可以是指文本条的中心像素点的特征,也可以是指文本条中各像素点的特征的平均特征,也可以是指文本条中各像素点的像素平均值。
应该理解的是,上述只是以待识别图像为发票为例,对文本条的数量进行示范性的说明,而不能理解为对文本条的数量的限定,也不能理解为对待识别图像的限定。
其中,待识别图像可以为各种包括文本的图像。例如,待识别图像可以为教育行业的图像,如图书和试卷的图像等;又如,待识别图像也可以为金融行业的图像,如票据的图像等;再如,待识别图像也可以为医疗行业的图像,如病历本的图像;还如,待识别图像还可以为交通行业和保险行业等的图像,此处不再一一列举。
S203:对待识别图像进行视觉增强处理,得到待识别图像的增强特征图。其中,增强特征图为表征待识别图像的特征向量的特征图。
其中,获取文本条的图像特征、与获取增强特征图之间并无必然的先后顺序关系,即可以先获取文本条的图像特征,也可以先获取增强特征图,也可以同时获取文本条的图像特征和增强特征图。
在一些实施例中,获取视觉增强处理也可以基于待识别图像的图像特征实现。
同理,也可以基于网络结构获取增强特征图。例如,可以通过特征金字塔(FPN)网络结构实现,也可以通过深度监督(U-Net)网络结构实现,此处不再一一列举。
S204:将文本条的图像特征与增强特征图进行相似性比对,确定在增强特征图上的文本条的响应区域。其中,响应区域表征文本条在增强特征图上的位置区域。
示例性的,相似性比对为特征上的相似程度的比对,即文本条的图像特征与增强特征图在特征上的相似程度的比对,以确定二者在特征上的相似程度。
基于上述分析,文本条的数量的可能为多个,则当文本条的数量为多个时,针对多个文本条中的每一文本条,将该文本条的图像特征、与增强特征图进行相似性比对,以确定该文本条在增强特征图上所对应的位置区域(该位置区域被称为响应区域,在一些实施例中,可以对响应区域进行高亮显示),且位置区域可以为一个位置区域,如以像素单位的一个位置区域,也可以为多个位置区域,一般为多个位置区域。
在一些实施例中,文本条的图像特征中包括文本条中的像素点的图像特征;增强特征图中包括像素点的特征向量;S204可以包括:将文本条中的像素点的图像特征、与增强特征图中的像素点的特征向量进行相似性比对,得到在所述增强特征图上的所述文本条的响应区域。
例如,文本条中的像素点的图像特征通过N*D表示,增强特征图中的像素点的特征向量通过{H*W}*D表示。其中,N为文本条的数量,H为待识别图像的高度,W为待识别图像的宽度,D为特征向量维度。
通过将文本条中的像素点的图像特征N*D、与增强特征图中的像素点的特征向量通过{H*W}*D,进行相似性比对,可以确定N个文本条中每一文本条在增强特征图上的响应区域。通过二者的比较,可以实现剔除掺杂的其他文本条的像素点的弊端,避免了相关技术中的包围盒包含重叠文字的弊端,提高了基于响应区域确定出的目标包围盒的准确性和可靠性的技术效果。
S205:根据在增强特征图上的文本条的响应区域,确定在增强特征图上的文本条的目标包围盒。
值得说明的是,在本实施例中,相似性比对是基于文本条的图像特征与增强特征图实现的,且响应区域是在增强特征图上确定的,而增强特征图具有更多表征待识别图像的特征,因此,相对于初始包围盒,确定出的目标包围盒是基于更为丰富的待识别图像的特征确定的,能够更加准确的框选文本条,避免各目标包围盒各自框选出的文本条之间存在重复的弊端,避免了重叠文字的检测问题,使得目标包围盒具有较高的精确性和可靠性的技术效果。
图4是根据本公开第三实施例的示意图,如图4所示,本公开实施例提供的文本检测方法,包括:
S401:获取待识别图像中文本条的图像特征,并对待识别图像进行视觉增强处理,得到待识别图像的增强特征图。其中,增强特征图为表征待识别图像的特征向量的特征图。
同理,关于本实施例中与上述实施例中相同的技术特征,本实施例不做具体阐述。
且关于S401的实现原理,可以参见第一实施例,也可以参见第二实施例,此处不再赘述。
S402:针对文本条中的像素点,将文本条中的像素点的图像特征、以及文本条中的像素点对应于增强特征图的特征向量进行相似性比对,得到相似度。
其中,文本条的图像特征中包括文本条中的像素点的图像特征;增强特征图中包括像素点的特征向量。
S403:根据相似度确定在增强特征图上的文本条的响应区域。
本实施例可以理解为:文本条中包括多个像素点,针对多个像素点中的每一像素点,确定该像素点在文本条中的图像特征(即文本条中该像素点的图像特征),以及该像素点在增强特征图中的特征向量,并将二者进行相似性比较,得到该像素点在文本条中的图像特征、以及该像素点在增强特征图的特征向量的相似度,以此类推,得到文本条中各像素点各自对应的相似度,并基于各相似度确定文本条的响应区域。
例如,针对像素点A,确定像素点A在文本条中的图像特征A1、以及像素点A在增强特征图中的特征向量A2,将A1与A2进行相似性比较,得到相应的相似度。
值得说明的是,在本实施例中,通过以像素点为基础,确定像素点对应于文本条中的图像特征、以及像素点对应于增强特征图中的特征向量的相似度,以得到文本条的响应区域,可以实现相似性比对的针对性,从而实现提高相似性比对的准确性和效率,进而提高确定目标包围盒的可靠性和效率的技术效果。
在一些实施例中,S403可以包括如下步骤:
第一步骤:根据相似度,从增强特征图中确定相似度大于预设相似度阈值的像素点。
第二步骤:根据确定出的相似度大于预设相似度阈值的像素点,确定在增强特征图上的文本条的响应区域。
示例性的,结合上述分析,文本条中的像素点的数量为多个,则确定多个像素点中,每一像素点在文本条中的图像特征与其在增强特征图中的特征向量的相似度,即得到每一像素点各自对应的相似度。
值得说明的是,在本实施例中,通过将各相似度分别与相似度阈值进行比对,如判断每一相似度是否大于相似度阈值,如果某相似度大于相似度阈值,则说明该相似度对应的像素点确实为文本条中有效文本(有效文本是指属于本文本条中的文字内容,即没有掺杂其他文本条中的文字内容的文本)的像素点,则该像素点为目标包围盒中的有效文本部分,相应的,从各相似度中确定大于相似度阈值的相似度,以通过将确定出的大于相似度阈值的相似度对应的像素点确定文本条的响应区域,可以使得文本条的响应区域为有效的响应区域,即没有掺杂其他文本条的文本的响应区域,进而当基于该文本条的响应区域确定目标包围盒时,可以使得目标包围盒中的文本均为有效文本,从而提高了目标包围盒的准确性和可靠性的技术效果。
其中,相似性阈值可以基于需求、历史记录、以及试验等方式进行设置,本实施例不做限定。
例如,以根据对目标包围盒的可靠性需求确定相似性阈值为例,针对对目标包围盒的可靠性需求相对较高的应用场景,相似性阈值可以设置为相对较大的值;反之,针对对对目标包围盒的可靠性需求相对较低的应用场景,相似性阈值可以设置为相对较小的值。
在一些实施例中,像素点具有位置属性,第二步骤可以包括:根据确定出的相似度大于预设相似度阈值的像素点在增强特征图中的位置属性,确定在增强特征图上的文本条的响应区域。
其中,位置属性可以为坐标,即像素点在增强特征图中的坐标。以通过坐标确定文本条的响应区域。
相应的,当根据文本条的响应区域确定文本条的目标包围盒时,可以对文本条的响应区域进行图像连通域处理,以生成文本条的目标包围盒。
值得说明的是,在本实施例中,在确定出文本条的响应区域后,从增强特征图中提取出文本条的准确轮廓,该轮廓即为文本条的目标包围盒,从而使得文本条的目标包围盒与文本条之间高度贴合,且去除了浮于文本条的文本上的非有效文本(如浮于图3中文本条的文本上的印章,图中未示出),提高了目标包围盒准确性、可靠性和有效性的技术效果。
S404:根据在增强特征图上的文本条的响应区域,确定在增强特征图上的文本条的目标包围盒。
图5是根据本公开第四实施例的示意图,如图5所示,本公开实施例提供的文本检测方法,包括:
S501:获取待识别图像中文本条的图像特征,并对待识别图像进行视觉增强处理,得到待识别图像的增强特征图。其中,增强特征图为表征待识别图像的特征向量的特征图。
同理,关于本实施例中与上述实施例中相同的技术特征,本实施例不做具体阐述。
且关于S501的实现原理,可以参见第一实施例,也可以参见第二实施例,此处不再赘述。
S502:针对文本条中的任意像素点,将任意像素点的图像特征、与增强特征图中的各像素点的特征向量分别进行相似性比对,得到各相似度。
其中,文本条的图像特征中包括文本条中的像素点的图像特征;增强特征图中包括像素点的特征向量。
S503:根据各相似度生成在增强特征图上的文本条的响应区域。
本实施例可以理解为:文本条中包括多个像素点,针对多个像素点中的每一像素点,确定该像素点在文本条中的图像特征(即文本条中该像素点的图像特征),以及每一像素点在增强特征图中的特征向量,并将该像素点在文本条中的图像特征、与每一像素点在增强特征图中的特征向量,分别进行相似性比较,得到该像素点的各个相似度,以此类推,得到文本条中各像素点各自对应的相似度,并基于各相似度确定文本条的响应区域。
例如,针对像素点A1,确定像素点A1在文本条中的图像特征T1,并将图像特征T1与增强特征图中的各特征向量分别进行相似性比对,从而得到相应的多个相似度。
例如,若增强特征图像中的特征向量的数量为B个,则将图像特征T1与B个特征向量中的每一特征向量进行相似性比对,从而得到B个相似度。
基于上述第四实施例可知,在第四实施例中,是以像素点为基础,进行一对一的相似性比对,而在本实施例中,是进行一对多的相似性比对。同理,通过本实施例的方式进行相似性比对,可以实现提高相似性比对的准确性和效率,进而提高确定目标包围盒的可靠性和效率的技术效果。
且通过基于第四实施例所述的方式,或者,本实施例的方式进行相似性比对,以实现相似性比对的灵活性和多样性的技术效果。
在一些实施例中,S503可以包括如下步骤:
第一步骤:从各相似度中,确定大于预设相似度阈值的相似度,并确定大于预设相似度阈值的相似度中,对应的文本条中的像素点、与特征向量的像素点为相同的像素点的相似度。
第二步骤:根据相同的像素点的相似度,生成在增强特征图上的文本条的响应区域。
例如,结合上述示例,针对图像特征T1而言,计算得到B个相似度,从B个相似度中,确定大于相似度阈值的相似度,并从该相似度中确定在增强特征图中的像素点A1的相似度,以便结合该相似度确定文本条的响应区域。
同理,通过本实施例的方案,可以使得文本条的响应区域为有效的响应区域,即没有掺杂其他文本条的文本的响应区域,进而当基于该文本条的响应区域确定目标包围盒时,可以使得目标包围盒中的文本均为有效文本,从而提高了目标包围盒的准确性和可靠性的技术效果。
在一些实施例中,像素点具有位置属性,第二步骤可以包括:根据相同的像素点在增强特征图中的位置属性,确定在增强特征图上的文本条的响应区域。
相应的,当根据文本条的响应区域确定文本条的目标包围盒时,可以对文本条的响应区域进行图像连通域处理,以生成文本条的目标包围盒。
同理,当根据文本条的响应区域确定文本条的目标包围盒时,可以对文本条的响应区域进行图像连通域处理,以生成文本条的目标包围盒。
值得说明的是,在本实施例中,在确定出文本条的响应区域后,从增强特征图中提取出文本条的准确轮廓,该轮廓即为文本条的目标包围盒,从而使得文本条的目标包围盒与文本条之间高度贴合,且去除了浮于文本条的文本上的非有效文本,提高了目标包围盒准确性、可靠性和有效性的技术效果。
S504:根据在增强特征图上的文本条的响应区域,确定在增强特征图上的文本条的目标包围盒。
图6是根据本公开第五实施例的示意图,如图6所示,本公开实施例提供的文本检测模型的训练方法,包括:
S601:获取样本图像中文本条的图像特征,并对样本图像进行视觉增强处理,得到样本图像的增强特征图。其中,增强特征图为表征样本图像的特征向量的特征图。
本实施例的执行主体可以为文本检测模型的训练装置(下文简称训练装置),训练装置可以为与上述实施例中的检测装置相同的装置,也可以为不同的装置,本实施例不做限定。
S602:对文本条的图像特征与增强特征图进行相似性比对,得到在增强特征图上的文本条的预测包围盒。
示例性的,关于本实施例中,获取预测包围盒的实现原理可以参见上述实施例中获取目标包围盒的实现原理,本实施例不再赘述。
在一些实施例中,S602可以包括如下步骤:
第一步骤:将文本条的图像特征与增强特征图进行相似性比对,以确定在增强特征图上的文本条的响应区域,响应区域表征文本条在增强特征图上的位置区域。
在一些实施例中,文本条的图像特征中包括文本条中的像素点的图像特征;增强特征图中包括像素点的特征向量;第一步骤可以包括:将文本条中的像素点的图像特征、与增强特征图中的像素点的特征向量进行相似性比对,得到在增强特征图上的文本条的响应区域。
一个示例中,针对文本条中的像素点,将文本条中的像素点的图像特征、以及文本条中的像素点对应于增强特征图的特征向量进行相似性比对,得到相似度,并根据相似度确定在增强特征图上的文本条的响应区域。
例如,根据相似度,从增强特征图中确定相似度大于预设相似度阈值的像素点,并根据确定出的相似度大于预设相似度阈值的像素点,确定在增强特征图上的所述文本条的响应区域。
其中,像素点具有位置属性,可以根据确定出的相似度大于预设相似度阈值的像素点在所述增强特征图中的位置属性,确定在增强特征图上的所述文本条的响应区域。
相应的,可以对文本条的响应区域进行图像连通域处理,生成文本条的目标包围盒。
另一个示例中,针对文本条中的任意像素点,将任意像素点的图像特征、与增强特征图中的各像素点的特征向量分别进行相似性比对,得到各相似度,并根据各相似度生成在增强特征图上的所述文本条的响应区域。
例如,从各相似度中,确定大于预设相似度阈值的相似度,并确定大于预设相似度阈值的相似度中,对应的文本条中的像素点、与特征向量的像素点为相同的像素点的相似度,并根据相同的像素点的相似度,生成在增强特征图上的文本条的响应区域。
其中,像素点具有位置属性;可以根据相同的像素点在增强特征图中的位置属性,确定在增强特征图上的文本条的响应区域。
相应的,可以对文本条的响应区域进行图像连通域处理,生成在增强特征图上的文本条的目标包围盒。
第二步骤:根据在增强特征图上的文本条的响应区域,确定在增强特征图上的文本条的预测包围盒。
S603:根据预测包围盒训练文本检测模型,文本检测模型用于获取待识别图像的目标包围盒。
示例性的,结合上述分析,可以基于各网络结构得到预测包围盒,相应的,可以基于预测包围盒对网络结构进行训练,以对网络结构的参数进行调整,从而得到文本检测模型。
图7是根据本公开第六实施例的示意图,如图7所示,本公开实施例提供的文本识别方法,包括:
S701:获取待识别图像,并获取待识别图像的包围盒。其中,包围盒中包括文本条,包围盒是基于如第一至第四实施例所述的方法获取到的,或者,包围盒是基于预设文本检测模型获取到的,文本检测模型是基于第五实施例所述的方法训练生成的。
S702:对包围盒进行识别处理,得到待识别图像的文本内容。
基于上述分析,确定出的包围盒具有较高的准确性和可靠性,因此,当对包围盒进行识别处理时,可以提高识别的灵活性和准确性的技术效果。
图8是根据本公开第七实施例的示意图,如图8所示,本公开实施例提供的文本检测装置800,包括:
第一获取单元801,用于获取待识别图像中文本条的图像特征。
第一增强单元802,用于对待识别图像进行视觉增强处理,得到待识别图像的增强特征图,其中,增强特征图为表征待识别图像的特征向量的特征图。
第一比对单元803,用于对文本条的图像特征与增强特征图进行相似性比对,得到在增强特征图上的文本条的目标包围盒。
图9是根据本公开第八实施例的示意图,如图所示,本公开实施例提供的文本检测装置900,包括:
第一获取单元901,用于获取待识别图像中文本条的图像特征。
结合图9可知,在一些实施例中,第一获取单元901,包括:
第一获取子单元9011,用于获取待识别图像的图像特征。
第二确定子单元9012,用于根据待识别图像的图像特征确定待识别图像的初始包围盒,其中,初始包围中包括文本条。
第一增强单元902,用于对待识别图像进行视觉增强处理,得到待识别图像的增强特征图,其中,增强特征图为表征待识别图像的特征向量的特征图。
第一比对单元903,用于对文本条的图像特征与增强特征图进行相似性比对,得到在增强特征图上的文本条的目标包围盒。
结合图9可知,在一些实施例中,第一比对单元903,包括:
第一比对子单元9031,用于将文本条的图像特征与增强特征图进行相似性比对,以确定在增强特征图上的文本条的响应区域,响应区域表征文本条在增强特征图上的位置区域。
第一确定子单元9032,用于根据在增强特征图上的文本条的响应区域,确定在增强特征图上的文本条的目标包围盒。
在一些实施例中,文本条的图像特征中包括文本条中的像素点的图像特征;增强特征图中包括像素点的特征向量;第一比对子单元9031用于,将文本条中的像素点的图像特征、与增强特征图中的像素点的特征向量进行相似性比对,得到在增强特征图上的文本条的响应区域。
在一些实施例中,第一比对子单元9031,包括:
第一比对模块,用于针对文本条中的像素点,将文本条中的像素点的图像特征、以及文本条中的像素点对应于增强特征图的特征向量进行相似性比对,得到相似度。
第一确定模块,用于根据相似度确定在增强特征图上的文本条的响应区域。
在一些实施例中,第一确定模块,包括:
第一确定子模块,用于根据相似度,从增强特征图中确定相似度大于预设相似度阈值的像素点。
第二确定子模块,用于根据确定出的相似度大于预设相似度阈值的像素点,确定在增强特征图上的文本条的响应区域。
在一些实施例中,像素点具有位置属性;第二确定子模块用于,根据确定出的相似度大于预设相似度阈值的像素点在增强特征图中的位置属性,确定在增强特征图上的文本条的响应区域。
以及,第一确定子单元9032用于,对文本条的响应区域进行图像连通域处理,生成文本条的目标包围盒。
在另一些实施例中,第一比对子单元9031,包括:
第二比对模块,用于针对文本条中的任意像素点,将任意像素点的图像特征、与增强特征图中的各像素点的特征向量分别进行相似性比对,得到各相似度。
第一生成模块,用于根据各相似度生成在增强特征图上的文本条的响应区域。
在一些实施例中,第一生成模块,包括:
第三确定子模块,用于从各相似度中,确定大于预设相似度阈值的相似度。
第四确定子模块,用于确定大于预设相似度阈值的相似度中,对应的文本条中的像素点、与特征向量的像素点为相同的像素点的相似度。
第一生成子模块,用于根据相同的像素点的相似度,生成在增强特征图上的文本条的响应区域。
在一些实施例中,像素点具有位置属性;第一生成子模块用于,根据相同的像素点在增强特征图中的位置属性,确定在增强特征图上的文本条的响应区域。
以及,第一确定子单元9032用于,对文本条的响应区域进行图像连通域处理,生成在增强特征图上的文本条的目标包围盒。
图10是根据本公开第九实施例的示意图,如图所示,本公开实施例提供的文本检测模型的训练装置1000,包括:
第二获取单元1001,用于获取样本图像中文本条的图像特征。
第二增强单元1002,用于对样本图像进行视觉增强处理,得到样本图像的增强特征图,其中,增强特征图为表征样本图像的特征向量的特征图。
第二比对单元1003,用于对文本条的图像特征与增强特征图进行相似性比对,得到在增强特征图上的文本条的预测包围盒。
训练单元1004,用于根据预测包围盒训练文本检测模型,文本检测模型用于获取待识别图像的目标包围盒。
图11是根据本公开第十实施例的示意图,如图11所示,本公开实施例提供的文本检测模型的训练装置1100,包括:
第二获取单元1101,用于获取样本图像中文本条的图像特征。
第二增强单元1102,用于对样本图像进行视觉增强处理,得到样本图像的增强特征图,其中,增强特征图为表征样本图像的特征向量的特征图。
第二比对单元1103,用于对文本条的图像特征与增强特征图进行相似性比对,得到在增强特征图上的文本条的预测包围盒。
结合图11可知,在一些实施例中,第二比对单元1103,包括:
第二比对子单元11031,用于将文本条的图像特征与增强特征图进行相似性比对,以确定在增强特征图上的文本条的响应区域,响应区域表征文本条在增强特征图上的位置区域。
第三确定子单元11032,用于根据在增强特征图上的文本条的响应区域,确定在增强特征图上的文本条的预测包围盒。
在一些实施例中,文本条的图像特征中包括文本条中的像素点的图像特征;第二比对子单元11031用于,将文本条中的像素点的图像特征、与增强特征图中的像素点的特征向量进行相似性比对,得到在增强特征图上的文本条的响应区域。
在一些实施例中,第二比对子单元11031,包括:
第三比对模块,用于针对文本条中的像素点,将文本条中的像素点的图像特征、以及文本条中的像素点对应于增强特征图的特征向量进行相似性比对,得到相似度。
第二确定模块,用于根据相似度确定在增强特征图上的文本条的响应区域。
在一些实施例中,第二确定模块,包括:
第五确定子模块,用于根据相似度,从增强特征图中确定相似度大于预设相似度阈值的像素点。
第六确定子模块,用于根据确定出的相似度大于预设相似度阈值的像素点,确定在增强特征图上的文本条的响应区域。
在一些实施例中,像素点具有位置属性,第六确定子模块用于,可以根据确定出的相似度大于预设相似度阈值的像素点在增强特征图中的位置属性,确定在增强特征图上的文本条的响应区域。
相应的,第三确定子单元11032可以用于,对文本条的响应区域进行图像连通域处理,生成文本条的目标包围盒。
在一些实施例中,第二比对子单元11031,包括:
第四比对模块,用于针对文本条中的任意像素点,将任意像素点的图像特征、与增强特征图中的各像素点的特征向量分别进行相似性比对,得到各相似度。
第二生成模块,用于根据各相似度生成在增强特征图上的文本条的响应区域。
在一些实施例中,第二生成模块,包括:
第七确定子模块,用于从各相似度中,确定大于预设相似度阈值的相似度。
第八确定子模块,用于确定大于预设相似度阈值的相似度中,对应的文本条中的像素点、与特征向量的像素点为相同的像素点的相似度。
第二生成子模块,用于根据相同的像素点的相似度,生成在增强特征图上的文本条的响应区域。
在一些实施例中,像素点具有位置属性;第二生成子模块可以用于,据相同的像素点在增强特征图中的位置属性,确定在增强特征图上的文本条的响应区域。
相应的,第三确定子单元11032可以用于,对文本条的响应区域进行图像连通域处理,生成在增强特征图上的文本条的目标包围盒。
训练单元1104,用于根据预测包围盒训练文本检测模型,文本检测模型用于获取待识别图像的目标包围盒。
图12是根据本公开第十一实施例的示意图,如图12所示,本公开实施例提供的文本识别装置1200,包括:
第三获取单元1201,用于获取待识别图像。
第四获取单元1202,用于获取待识别图像的包围盒,其中,包围盒中包括文本条,包围盒是基于如权利要求1-10任一项所述的方法获取到的,或者,包围盒是基于预设文本检测模型获取到的,文本检测模型是基于权利要求11的方法训练生成的。
识别单元1203,用于对包围盒进行识别处理,得到待识别图像的文本内容。
图13是根据本公开第十二实施例的示意图,如图13所示,本公开中的电子设备1300可以包括:处理器1301和存储器1302。
存储器1302,用于存储程序;存储器1302,可以包括易失性存储器(英文:volatilememory),例如随机存取存储器(英文:random-access memory,缩写:RAM),如静态随机存取存储器(英文:static random-access memory,缩写:SRAM),双倍数据率同步动态随机存取存储器(英文:Double Data Rate Synchronous Dynamic Random Access Memory,缩写:DDR SDRAM)等;存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory)。存储器1302用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等,上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器1302中。并且上述的计算机程序、计算机指令、数据等可以被处理器1301调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器1302中。并且上述的计算机程序、计算机指据等可以被处理器1301调用。
处理器1301,用于执行存储器1302存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器1301和存储器1302可以是独立结构,也可以是集成在一起的集成结构。当处理器1301和存储器1302是独立结构时,存储器1302、处理器1301可以通过总线1303耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
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。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图14示出了可以用来实施本公开的实施例的示例电子设备1400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14所示,设备1400包括计算单元1401,其可以根据存储在只读存储器(ROM)1402中的计算机程序或者从存储单元1408加载到随机访问存储器(RAM)1403中的计算机程序,来执行各种适当的动作和处理。在RAM 1403中,还可存储设备1400操作所需的各种程序和数据。计算单元1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。
设备1400中的多个部件连接至I/O接口1405,包括:输入单元1406,例如键盘、鼠标等;输出单元1407,例如各种类型的显示器、扬声器等;存储单元1408,例如磁盘、光盘等;以及通信单元1409,例如网卡、调制解调器、无线通信收发机等。通信单元1409允许设备1400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1401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1401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1401执行上文所描述的各个方法和处理,例如文本检测方法、文本检测模型训练方法、文本识别方法。例如,在一些实施例中,文本检测方法、文本检测模型训练方法、文本识别方法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1408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1402和/或通信单元1409而被载入和/或安装到设备1400上。当计算机程序加载到RAM 1403并由计算单元1401执行时,可以执行上文描述的文本检测方法、文本检测模型训练方法、文本识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元1401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文本检测方法、文本检测模型训练方法、文本识别方法。
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)、复杂可编程逻辑设备(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)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("Virtual Private Server",或简称"VPS")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。
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,本发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 (26)
1.一种文本检测方法,包括:
获取待识别图像中文本条的图像特征;并对所述待识别图像进行视觉增强处理,得到所述待识别图像的增强特征图,其中,所述增强特征图为表征所述待识别图像的特征向量的特征图,所述文本条的图像特征中包括所述文本条中的像素点的图像特征;所述增强特征图中包括像素点的特征向量;
将所述文本条中的像素点的图像特征与所述像素点在所述增强特征图中的特征向量进行相似性比对,以确定在所述增强特征图上的所述文本条的响应区域,所述响应区域表征所述文本条在所述增强特征图上的位置区域;
根据在所述增强特征图上的所述文本条的响应区域,确定在所述增强特征图上的所述文本条的目标包围盒。
2.根据权利要求1所述的方法,其中,将所述文本条中的像素点的图像特征与所述像素点在所述增强特征图中的特征向量进行相似性比对,得到在所述增强特征图上的所述文本条的响应区域,包括:
针对所述文本条中的像素点,将所述文本条中的像素点的图像特征、以及所述文本条中的像素点在增强特征图中的特征向量进行相似性比对,得到相似度,并根据所述相似度确定在所述增强特征图上的所述文本条的响应区域。
3.根据权利要求2所述的方法,其中,根据所述相似度确定在所述增强特征图上的所述文本条的响应区域,包括:
根据所述相似度,从所述增强特征图中确定相似度大于预设相似度阈值的像素点,并根据确定出的相似度大于预设相似度阈值的像素点,确定在所述增强特征图上的所述文本条的响应区域。
4.根据权利要求3所述的方法,其中,像素点具有位置属性;根据确定出的相似度大于预设相似度阈值的像素点,确定在所述增强特征图上的所述文本条的响应区域,包括:
根据确定出的相似度大于预设相似度阈值的像素点在所述增强特征图中的位置属性,确定在所述增强特征图上的所述文本条的响应区域;
以及,根据在所述增强特征图上的所述文本条的响应区域,确定所述文本条的目标包围盒,包括:
对所述文本条的响应区域进行图像连通域处理,生成所述文本条的目标包围盒。
5.根据权利要求1所述的方法,其中,将所述文本条中的像素点的图像特征、与所述增强特征图中的像素点的特征向量进行相似性比对,得到在所述增强特征图上的所述文本条的响应区域,包括:
针对所述文本条中的任意像素点,将所述任意像素点的图像特征、与所述增强特征图中的各像素点的特征向量分别进行相似性比对,得到各相似度,并根据各相似度生成在所述增强特征图上的所述文本条的响应区域。
6.根据权利要求5所述的方法,其中,根据各相似度生成在所述增强特征图上的所述文本条的响应区域,包括:
从各相似度中,确定大于预设相似度阈值的相似度,并确定大于预设相似度阈值的相似度中,对应的所述文本条中的像素点、与特征向量的像素点为相同的像素点的相似度;
根据相同的像素点的相似度,生成在所述增强特征图上的所述文本条的响应区域。
7.根据权利要求6所述的方法,其中,像素点具有位置属性;根据相同的像素点的相似度,生成在所述增强特征图上的所述文本条的响应区域,包括:
根据相同的像素点在所述增强特征图中的位置属性,确定在所述增强特征图上的所述文本条的响应区域;
以及,根据在所述增强特征图上的所述文本条的响应区域,确定在所述增强特征图上的所述文本条的目标包围盒,包括:
对所述文本条的响应区域进行图像连通域处理,生成在所述增强特征图上的所述文本条的目标包围盒。
8.根据权利要求1-7任一项所述的方法,其中,获取待识别图像中文本条的图像特征,包括:
获取所述待识别图像的图像特征,并根据所述待识别图像的图像特征确定所述待识别图像的初始包围盒,其中,所述初始包围中包括文本条。
9.一种文本检测模型的训练方法,包括:
获取样本图像中文本条的图像特征;并对所述样本图像进行视觉增强处理,得到所述样本图像的增强特征图,其中,所述增强特征图为表征所述样本图像的特征向量的特征图,所述文本条的图像特征中包括所述文本条中的像素点的图像特征;所述增强特征图中包括像素点的特征向量;
将所述文本条中的像素点的图像特征与所述像素点在所述增强特征图中的特征向量进行相似性比对,以确定在所述增强特征图上的所述文本条的响应区域,所述响应区域表征所述文本条在所述增强特征图上的位置区域;
根据在所述增强特征图上的所述文本条的响应区域,确定在所述增强特征图上的所述文本条的预测包围盒,并根据所述预测包围盒训练文本检测模型,所述文本检测模型用于获取待识别图像的目标包围盒。
10.根据权利要求9所述的方法,其中,将所述文本条中的像素点的图像特征与所述像素点在所述增强特征图中的特征向量进行相似性比对,得到在所述增强特征图上的所述文本条的响应区域,包括:
针对所述文本条中的像素点,将所述文本条中的像素点的图像特征、以及所述文本条中的像素点在增强特征图中的特征向量进行相似性比对,得到相似度,并根据所述相似度确定在所述增强特征图上的所述文本条的响应区域。
11.根据权利要求10所述的方法,其中,将所述文本条中的像素点的图像特征、与所述增强特征图中的像素点的特征向量进行相似性比对,得到在所述增强特征图上的所述文本条的响应区域,包括:
针对所述文本条中的任意像素点,将所述任意像素点的图像特征、与所述增强特征图中的各像素点的特征向量分别进行相似性比对,得到各相似度,并根据各相似度生成在所述增强特征图上的所述文本条的响应区域。
12.一种文本识别方法,包括:
获取待识别图像,并获取待识别图像的包围盒,其中,所述包围盒中包括文本条,所述包围盒是基于如权利要求1-8任一项所述的方法获取到的,或者,所述包围盒是基于预设文本检测模型获取到的,所述文本检测模型是基于权利要求9所述的方法训练生成的;
对所述包围盒进行识别处理,得到所述待识别图像的文本内容。
13.一种文本检测装置,包括:
第一获取单元,用于获取待识别图像中文本条的图像特征;
第一增强单元,用于对所述待识别图像进行视觉增强处理,得到所述待识别图像的增强特征图,其中,所述增强特征图为表征所述待识别图像的特征向量的特征图,所述文本条的图像特征中包括所述文本条中的像素点的图像特征;所述增强特征图中包括像素点的特征向量;
第一比对单元,用于对所述文本条的图像特征与所述增强特征图进行相似性比对,得到在所述增强特征图上的所述文本条的目标包围盒;其中,所述第一比对单元,包括:
第一比对子单元,用于将所述文本条中的像素点的图像特征与所述像素点在所述增强特征图中的特征向量进行相似性比对,以确定在所述增强特征图上的所述文本条的响应区域,所述响应区域表征所述文本条在所述增强特征图上的位置区域;
第一确定子单元,用于根据在所述增强特征图上的所述文本条的响应区域,确定在所述增强特征图上的所述文本条的目标包围盒。
14.根据权利要求13所述的装置,其中,所述第一比对子单元,包括:
第一比对模块,用于针对所述文本条中的像素点,将所述文本条中的像素点的图像特征、以及所述文本条中的像素点在增强特征图中的特征向量进行相似性比对,得到相似度;
第一确定模块,用于根据所述相似度确定在所述增强特征图上的所述文本条的响应区域。
15.根据权利要求14所述的装置,其中,所述第一确定模块,包括:
第一确定子模块,用于根据所述相似度,从所述增强特征图中确定相似度大于预设相似度阈值的像素点;
第二确定子模块,用于根据确定出的相似度大于预设相似度阈值的像素点,确定在所述增强特征图上的所述文本条的响应区域。
16.根据权利要求15所述的装置,其中,像素点具有位置属性;所述第二确定子模块用于,根据确定出的相似度大于预设相似度阈值的像素点在所述增强特征图中的位置属性,确定在所述增强特征图上的所述文本条的响应区域;
以及,所述第一确定子单元用于,对所述文本条的响应区域进行图像连通域处理,生成所述文本条的目标包围盒。
17.根据权利要求13所述的装置,其中,所述第一比对子单元,包括:
第二比对模块,用于针对所述文本条中的任意像素点,将所述任意像素点的图像特征、与所述增强特征图中的各像素点的特征向量分别进行相似性比对,得到各相似度;
第一生成模块,用于根据各相似度生成在所述增强特征图上的所述文本条的响应区域。
18.根据权利要求17所述的装置,其中,所述第一生成模块,包括:
第三确定子模块,用于从各相似度中,确定大于预设相似度阈值的相似度;
第四确定子模块,用于确定大于预设相似度阈值的相似度中,对应的所述文本条中的像素点、与特征向量的像素点为相同的像素点的相似度;
第一生成子模块,用于根据相同的像素点的相似度,生成在所述增强特征图上的所述文本条的响应区域。
19.根据权利要求18所述的装置,其中,像素点具有位置属性;所述第一生成子模块用于,根据相同的像素点在所述增强特征图中的位置属性,确定在所述增强特征图上的所述文本条的响应区域;
以及,所述第一确定子单元用于,对所述文本条的响应区域进行图像连通域处理,生成在所述增强特征图上的所述文本条的目标包围盒。
20.根据权利要求13-19任一项所述的装置,其中,所述第一获取单元,包括:
第一获取子单元,用于获取所述待识别图像的图像特征;
第二确定子单元,用于根据所述待识别图像的图像特征确定所述待识别图像的初始包围盒,其中,所述初始包围中包括文本条。
21.一种文本检测模型的训练装置,包括:
第二获取单元,用于获取样本图像中文本条的图像特征,所述文本条的图像特征中包括所述文本条中的像素点的图像特征;
第二增强单元,用于对所述样本图像进行视觉增强处理,得到所述样本图像的增强特征图,其中,所述增强特征图为表征所述样本图像的特征向量的特征图,所述增强特征图中包括像素点的特征向量;
第二比对单元,用于对所述文本条的图像特征与所述增强特征图进行相似性比对,得到在所述增强特征图上的所述文本条的预测包围盒;
训练单元,用于根据所述预测包围盒训练文本检测模型,所述文本检测模型用于获取待识别图像的目标包围盒;
其中,所述第二比对单元,包括:
第二比对子单元,用于将所述文本条中的像素点的图像特征与所述像素点在所述增强特征图中的特征向量进行相似性比对,以确定在所述增强特征图上的所述文本条的响应区域,所述响应区域表征所述文本条在所述增强特征图上的位置区域;
第三确定子单元,用于根据在所述增强特征图上的所述文本条的响应区域,确定在所述增强特征图上的所述文本条的预测包围盒。
22.根据权利要求21所述的装置,其中,所述第二比对子单元,包括:
第三比对模块,用于针对所述文本条中的像素点,将所述文本条中的像素点的图像特征、以及所述文本条中的像素点在增强特征图中的特征向量进行相似性比对,得到相似度;
第二确定模块,用于根据所述相似度确定在所述增强特征图上的所述文本条的响应区域。
23.根据权利要求21所述的装置,其中,所述第二比对子单元,包括:
第四比对模块,用于针对所述文本条中的任意像素点,将所述任意像素点的图像特征、与所述增强特征图中的各像素点的特征向量分别进行相似性比对,得到各相似度;
第二生成模块,用于根据各相似度生成在所述增强特征图上的所述文本条的响应区域。
24.一种文本识别装置,包括:
第三获取单元,用于获取待识别图像;
第四获取单元,用于获取待识别图像的包围盒,其中,所述包围盒中包括文本条,所述包围盒是基于如权利要求1-8任一项所述的方法获取到的,或者,所述包围盒是基于预设文本检测模型获取到的,所述文本检测模型是基于权利要求9所述的方法训练生成的;
识别单元,用于对所述包围盒进行识别处理,得到所述待识别图像的文本内容。
25.一种电子设备,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1-8中任一项所述的方法;或者,以使所述至少一个处理器能够执行权利要求9-11中任一项所述的方法;或者,以使所述至少一个处理器能够执行权利要求12所述的方法。
26.一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1-8中任一项所述的方法;或者,所述计算机指令用于使所述计算机执行根据权利要求9-11中任一项所述的方法;或者,所述计算机指令用于使所述计算机执行根据权利要求12所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028960.3A CN114359932B (zh) | 2022-01-11 | 2022-01-11 | 文本检测方法、文本识别方法及装置 |
KR1020220101803A KR20220122567A (ko) | 2022-01-11 | 2022-08-16 | 텍스트 검출 방법, 텍스트 인식 방법 및 장치 |
JP2022165326A JP2022185143A (ja) | 2022-01-11 | 2022-10-14 | テキスト検出方法、テキスト認識方法及び装置 |
US17/966,112 US20230045715A1 (en) | 2022-01-11 | 2022-10-14 | Text detection method, text recognition method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028960.3A CN114359932B (zh) | 2022-01-11 | 2022-01-11 | 文本检测方法、文本识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114359932A CN114359932A (zh) | 2022-04-15 |
CN114359932B true CN114359932B (zh) | 2023-05-23 |
Family
ID=81108259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210028960.3A Active CN114359932B (zh) | 2022-01-11 | 2022-01-11 | 文本检测方法、文本识别方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230045715A1 (zh) |
JP (1) | JP2022185143A (zh) |
KR (1) | KR20220122567A (zh) |
CN (1) | CN114359932B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115171110B (zh) * | 2022-06-30 | 2023-08-22 | 北京百度网讯科技有限公司 | 文本识别方法及装置、设备、介质和产品 |
CN116823994A (zh) * | 2023-02-20 | 2023-09-29 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像生成、模型训练方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488826A (zh) * | 2020-04-10 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 一种文本识别方法、装置、电子设备和存储介质 |
CN112733822A (zh) * | 2021-03-31 | 2021-04-30 | 上海旻浦科技有限公司 | 一种端到端文本检测和识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383732B (zh) * | 2012-05-04 | 2016-12-14 | 富士通株式会社 | 图像处理方法和装置 |
US10402640B1 (en) * | 2017-10-31 | 2019-09-03 | Intuit Inc. | Method and system for schematizing fields in documents |
CN111860479B (zh) * | 2020-06-16 | 2024-03-26 | 北京百度网讯科技有限公司 | 光学字符识别方法、装置、电子设备及存储介质 |
CN111914843B (zh) * | 2020-08-20 | 2021-04-16 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 文字检测方法、系统、设备及存储介质 |
CN113111871B (zh) * | 2021-04-21 | 2024-04-19 | 北京金山数字娱乐科技有限公司 | 文本识别模型的训练方法及装置、文本识别方法及装置 |
CN113591719B (zh) * | 2021-08-02 | 2024-05-28 | 南京大学 | 一种自然场景任意形状文本检测方法、装置和训练方法 |
-
2022
- 2022-01-11 CN CN202210028960.3A patent/CN114359932B/zh active Active
- 2022-08-16 KR KR1020220101803A patent/KR20220122567A/ko unknown
- 2022-10-14 JP JP2022165326A patent/JP2022185143A/ja active Pending
- 2022-10-14 US US17/966,112 patent/US20230045715A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488826A (zh) * | 2020-04-10 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 一种文本识别方法、装置、电子设备和存储介质 |
CN112733822A (zh) * | 2021-03-31 | 2021-04-30 | 上海旻浦科技有限公司 | 一种端到端文本检测和识别方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230045715A1 (en) | 2023-02-09 |
KR20220122567A (ko) | 2022-09-02 |
CN114359932A (zh) | 2022-04-15 |
JP2022185143A (ja) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117848B (zh) | 一种文本行字符识别方法、装置、介质和电子设备 | |
CN109492643B (zh) | 基于ocr的证件识别方法、装置、计算机设备及存储介质 | |
CN114550177B (zh) | 图像处理的方法、文本识别方法及装置 | |
US20190347767A1 (en) | Image processing method and device | |
WO2020238054A1 (zh) | Pdf文档中图表的定位方法、装置及计算机设备 | |
CN112800915B (zh) | 建筑物变化检测方法、装置、电子设备以及存储介质 | |
CN114359932B (zh) | 文本检测方法、文本识别方法及装置 | |
CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
CN113033537A (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
CN109919002B (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
CN112560862B (zh) | 文本识别方法、装置及电子设备 | |
CN112101386B (zh) | 文本检测方法、装置、计算机设备和存储介质 | |
CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
CN113221743A (zh) | 表格解析方法、装置、电子设备和存储介质 | |
CN113255501B (zh) | 生成表格识别模型的方法、设备、介质及程序产品 | |
CN113362314B (zh) | 医学图像识别方法、识别模型训练方法及装置 | |
CN115359308B (zh) | 模型训练、难例识别方法、装置、设备、存储介质及程序 | |
CN113762455A (zh) | 检测模型训练方法、单字检测方法、装置、设备及介质 | |
CN112508005B (zh) | 用于处理图像的方法、装置、设备以及存储介质 | |
CN116259064B (zh) | 表格结构识别方法、表格结构识别模型的训练方法及装置 | |
CN114120305B (zh) | 文本分类模型的训练方法、文本内容的识别方法及装置 | |
CN114998897B (zh) | 生成样本图像的方法以及文字识别模型的训练方法 | |
CN113379592B (zh) | 图片中敏感区域的处理方法、装置和电子设备 | |
CN113947771B (zh) | 图像识别方法、装置、设备、存储介质以及程序产品 | |
CN114511862A (zh) | 表格识别方法、装置及电子设备 |
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 |