CN114495103B - 文本识别方法、装置、电子设备和介质 - Google Patents
文本识别方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN114495103B CN114495103B CN202210107770.0A CN202210107770A CN114495103B CN 114495103 B CN114495103 B CN 114495103B CN 202210107770 A CN202210107770 A CN 202210107770A CN 114495103 B CN114495103 B CN 114495103B
- Authority
- CN
- China
- Prior art keywords
- image
- detection frame
- detected
- text
- response
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种文本识别方法、装置、电子设备和介质,涉及人工智能技术领域,尤其涉及深度学习、计算机视觉技术领域,可应用于光学字符识别等场景。实现方案为:对待检测图像进行目标检测,获取至少一个检测框;获取待检测图像位于至少一个检测框内的部分的像素值;对位于至少一个检测框中任意一个检测框内的目标文本进行识别,以获得文本识别结果和与文本识别结果相对应的置信度;响应于置信度小于第一阈值,确定与该置信度相对应的文本识别结果为模糊,并确定模糊检测框;基于待检测图像位于模糊检测框内的部分的像素值与第二阈值的比较,确定待检测图像位于模糊检测框内的部分的图像缺陷种类。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及深度学习、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,具体涉及一种文本识别方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
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、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
光学字符识别(OCR)技术是计算机视觉技术的一个重要分支。文字识别的精确度在很大程度上取决于图像的清晰度,只有达到了一定的清晰度,才能保证识别结果的准确性。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种文本识别方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种文本识别方法。该方法包括:对待检测图像进行目标检测,获取至少一个检测框,至少一个检测框中的每个检测框分别包围待检测图像中的一个目标文本行;获取待检测图像位于至少一个检测框内的部分的像素值;对位于至少一个检测框中任意一个检测框内的目标文本进行识别,以获得文本识别结果和与文本识别结果相对应的置信度;响应于置信度小于第一阈值,确定与该置信度相对应的文本识别结果为模糊,并确定模糊检测框,模糊检测框是至少一个检测框中、与被确定为模糊的文本识别结果相对应的目标文本行所在的检测框;以及基于待检测图像位于模糊检测框内的部分的像素值与第二阈值的比较,确定待检测图像位于模糊检测框内的部分的图像缺陷种类。
根据本公开的另一方面,提供了一种文本识别装置。该装置包括:目标检测单元,目标检测单元被配置为对待检测图像进行目标检测,获取至少一个检测框,至少一个检测框中的每个检测框分别包围待检测图像中的一个目标文本行;像素值获取单元,像素值获取单元被配置为获取待检测图像位于至少一个检测框内的部分的像素值;文本识别单元,文本识别单元被配置为对位于至少一个检测框中任意一个检测框内的目标文本进行识别,以获得文本识别结果和与文本识别结果相对应的置信度;模糊检测框确定单元,模糊检测框确定单元被配置为响应于置信度小于第一阈值,确定与该置信度相对应的文本识别结果为模糊,并确定模糊检测框,模糊检测框是至少一个检测框中、与被确定为模糊的文本识别结果相对应的目标文本行所在的检测框;以及图像缺陷种类确定单元,图像缺陷种类确定单元被配置为基于待检测图像位于模糊检测框内的部分的像素值与第二阈值的比较,确定待检测图像位于模糊检测框内的部分的图像缺陷种类。
根据本公开的另一方面,提供了一种电子设备。该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据上述的方法。
根据本公开的另一方面,还提供一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使该计算机执行根据上述的方法。
根据本公开的另一方面,还提供一种计算机程序产品,包括计算机程序,其中,该计算机程序在被处理器执行时实现上述的方法。
根据本公开的一个或多个实施例,可以高效、低成本地确定图像质量较差的文本行,从而提升文本识别精度。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的文本识别方法的流程图;
图3示出了根据本公开的实施例的文本识别方法的流程图;
图4示出了根据本公开的实施例的图3的方法中部分示例过程的流程图;
图5示出了根据本公开的实施例的图3的方法中部分示例过程的流程图;
图6a示出了可以实现根据本公开的实施例的文本识别方法的场景图;
图6b示出了可以实现根据本公开的实施例的文本识别方法的场景图;
图7示出了根据本公开的实施例的文本识别装置的结构框图;
图8示出了根据本公开的实施例的文本识别装置的结构框图;以及
图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
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。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
在相关技术中,对图像中的文本内容进行光学字符识别时,可能因为图像质量差(例如因为图像中存在遮挡或反光部分而造成的图像模糊)而造成识别得到的文本内容与文本的真实内容存在差异,从而降低了文本识别的精度。若通过人工对识别结果进行校验耗时耗力,效率低下。相关技术通过训练专用的图像检测质量分类模型,使用训练出的模型来判断图像质量,不仅增加了图像处理的时间开销,而且导致文本识别率不稳定。
基于此,本公开提出一种文本识别方案。通过利用在文本识别过程中,针对每个文本行获取识别结果的同时,获取针对该识别结果的置信度,并通过置信度判断该文本行对应的图像是否模糊;并进一步利用文本行的像素值确定文本行对应的图像缺陷种类。由此可以高效、低成本地确定图像质量较差的文本行,从而提升文本识别精度。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行文本识别方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来获取待检测图像,并将待检测图像发送至服务器120。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,例如,基于图像、视频、语音、文本、数字信号等数据的目标检测与识别、信号转换等服务的应用程序,以处理从客户端设备101、102、103、104、105和/或106接收的语音交互、文本分类、图像识别或关键点检测等任务请求。服务器可以根据具体的深度学习任务,利用训练样本训练神经网络模型,并且可以对神经网络模型的超网络模块中的各个子网络进行测试,根据各个子网络的测试结果,确定用于执行深度学习任务的神经网络模型的结构和参数。可以将各种数据作为深度学习任务的训练样本数据,如图像数据、音频数据、视频数据或文本数据等。在神经网络模型的训练完成后,服务器120还可以通过模型搜索技术自动搜索出最优模型结构来执行相应的任务。
在一些实施方式中,服务器120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。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开的实施例的文本识别方法200的流程图。
如图2所示,文本识别方法200包括:步骤S210、对待检测图像进行目标检测,获取至少一个检测框,至少一个检测框中的每个检测框分别包围待检测图像中的一个目标文本行;步骤S220、获取待检测图像位于至少一个检测框内的部分的像素值;步骤S230、对位于至少一个检测框中任意一个检测框内的目标文本进行识别,以获得文本识别结果和与文本识别结果相对应的置信度;步骤S240、响应于置信度小于第一阈值,确定与该置信度相对应的文本识别结果为模糊,并确定模糊检测框,模糊检测框是至少一个检测框中、与被确定为模糊的文本识别结果相对应的目标文本行所在的检测框;以及步骤S250、基于待检测图像位于模糊检测框内的部分的像素值与第二阈值的比较,确定待检测图像位于模糊检测框内的部分的图像缺陷种类。
通过利用在文本识别过程中,针对每个文本行获取识别结果的同时,获取针对该识别结果的置信度,并通过置信度判断该文本行对应的图像是否模糊;并进一步利用被判断为模糊的文本行所在位置的像素值确定图像缺陷种类。由此可以高效、低成本地确定图像质量较差的文本行,从而提升文本识别精度。
在步骤S210中,示例性地,可以通过例如基于EAST算法的边框检测模型获取至少一个检测框。
根据一些实施例,在步骤S220中,获取待检测图像位于至少一个检测框内的部分的像素值可以包括:获取待检测图像位于至少一个检测框内的部分的像素平均值,并且在步骤S250中,基于待检测图像位于模糊检测框内的部分的像素值与第二阈值的比较,确定待检测图像位于模糊检测框内的部分的图像缺陷种类可以包括:响应于确定像素平均值小于第二阈值,确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过暗缺陷;或响应于确定像素平均值大于第二阈值,确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过亮缺陷。
由此,获取检测框内的部分的像素值的平均值(例如检测框内的所有像素点的像素值的算术平均值),并且通过比较像素平均值与第二阈值的大小,可以高效地将图像缺陷种类分类为过暗缺陷或过亮缺陷。例如,第二阈值可以是128,如果模糊检测框内的部分的像素值为10,小于第二阈值,则可以确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过暗缺陷;如果模糊检测框内的部分的像素值为230,大于第二阈值,则可以确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过亮缺陷。
根据一些实施例,获取待检测图像位于至少一个检测框内的部分的像素值可以包括获取该部分的像素直方图,并统计像素直方图中像素值较低的区域(例如,像素值在0到30之间)所占的比例是否低于第二阈值,若低于第二阈值,则可以确定该部分图像缺陷种类为过暗缺陷;或者可以统计像素直方图中像素值较高的区域(例如,像素值在225到255之间)所占的比例是否高于第二阈值,若高于第二阈值,则可以确定该部分图像缺陷种类为过亮缺陷。
在步骤S230中,示例性地,可以采用端到端的识别框架,利用卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN),将文本的检测和识别功能集成,CRNN网络结构可以包括卷积层、循环层和转录层。从端到端的识别框架的识别结果中,可以获取任意一个检测框内的目标文本的文本识别结果和与文本识别结果相对应的置信度,置信度可以用于表示相应的文本识别结果的可信程度。
根据一些实施例,文本检测网络模型例如可以使用如Fast-RCNN、YOLO、SSD(Single Shot MultiBox Detector)等目标检测网络模型,也可以是自行搭建的神经网络,在此不做限定。
根据一些实施例,方法200还可以包括:响应于确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过暗缺陷,发出第一提示信息;或响应于确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过亮缺陷,发出不同于第一提示信息的第二提示信息。
由此,可以提示用户待检测图像的具体哪一个文本行存在过暗缺陷或过亮缺陷,从而使得用户能够基于提示信息,采取相应的措施。例如,对于存在过暗缺陷的文本行的情况,可以提示用户增加拍摄环境中的光线,重新拍摄待检测图像;对于存在过亮缺陷的文本行的情况,可以提示用户更换拍摄角度重新拍摄,避免出现反光部分。
根据一些实施例,待检测图像可以是包括卡证的整体或局部的图像,并且,目标文本行是卡证中的用户信息文本行。例如,卡证可以是身份证、驾驶证、行驶证、银行卡、带有固定格式的票据等。通常,卡证类的待检测对象具有固定的边界尺寸和固定格式的文本排版。卡证中的用户信息文本行可以是身份证或驾驶证中的号码、姓名等。通过方法200,可以高效、低成本地确定卡证中图像质量较差的文本行,从而提升文本识别精度。例如,可以确定卡证中某个文本行由于反光现象从而造成亮度过高,或者可以确定卡证中某个文本行由于污渍遮挡从而造成亮度过低。
图3示出了根据本公开的实施例的文本识别方法300的流程图。其中,方法300包括步骤S310至步骤S350,步骤S310至步骤S350与上文中关于图2中示出的文本识别方法200的步骤S210至步骤S250相同,在此不再赘述。
根据一些实施例,方法300还可以包括:步骤S360、响应于置信度大于或等于第一阈值,对通过识别获得的文本识别结果进行校验;以及步骤S370、响应于校验不通过,确定通过识别获得的文本识别结果为错误结果。
当置信度大于或等于第一阈值时,可以确定与该置信度相对应的文本识别结果为不模糊。因此,可以通过对文本识别结果进行校验,进一步判断不模糊的结果是否是错误结果,从而减少误判,进一步提升文本识别的精度。
图4示出了根据本公开的实施例的图3的方法中部分示例过程的流程图。
根据一些实施例,通过识别获得的文本识别结果可以包括第一数量的字符,并且在前述步骤S360中,对通过识别获得的文本识别结果进行校验可以包括:步骤S461、将第一数量与相应的数量阈值进行比较;以及步骤S462、响应于第一数量与数量阈值不相等,确定校验不通过。
由此,通过对识别结果的字符位数进行校验,能够确保将有漏字情况的识别结果准确地识别为错误结果。
图5示出了根据本公开的实施例的图3的方法中部分示例过程的流程图。
根据一些实施例,在前述步骤S360中,对通过识别获得的文本识别结果进行校验可以包括:步骤S561、根据通过识别获得的文本识别结果,在文本库中查询;以及步骤S562、响应于未查询到与通过识别获得的文本识别结果相同的结果,确定校验不通过。
由此,如果待检测图像中目标文本的内容属于已知文本库中的内容,通过上述校验方法,可以准确地校验出错误的识别结果。
下文中,将结合OCR应用场景,对根据本公开的实施例的文本识别方法进行进一步描述。
图6a和图6b示出了可以实现根据本公开的实施例的文本识别方法的场景图。图6a和图6b示例性地示出了包括完整卡证的图像。卡证中记录了省份、号码、日期等信息(均以“XX”的形式示出),在卡证图像中,记录这部分信息的区域是目标区域。
以图6a为例,通过上述文本识别方法200或300,首先,对卡证图像610进行目标检测,可以获取检测框620-1、620-2和620-3,三个检测框中的每个检测框分别包围待检测图像中的一个目标文本行(目标区域)。
进一步地,可以获取卡证图像位于检测框620-1、620-2和620-3内的部分的像素值;并对位于任意一个检测框内的目标文本进行识别(例如对检测框620-2中的文本进行识别),以获得文本识别结果和与文本识别结果相对应的置信度。
进一步地,响应于置信度小于第一阈值,确定与该置信度相对应的文本识别结果为模糊,确定模糊检测框620-2。对于图6a的示例,模糊检测框620-2中的文本行的左上角由于反光而显示过高的亮度,导致一部分“XXX”模糊。因此,可以基于待检测图像位于模糊检测框620-2内的部分的像素值(例如平均像素值为200)与第二阈值(例如128)的比较,确定待检测图像位于模糊检测框620-2内的部分的图像缺陷种类为过亮缺陷。
类似地,以图6b为例,模糊检测框620-2中的文本行的左上角由于污渍遮挡而显示黑斑,导致一部分“XXX”模糊。因此,可以基于待检测图像位于模糊检测框620-2内的部分的像素值(例如平均像素值为60)与第二阈值(例如128)的比较,确定待检测图像位于模糊检测框620-2内的部分的图像缺陷种类为过暗缺陷。
在一些示例中,假设例如图6a和图6b中的“日期”和“省份”文本行中的内容没有被确定为模糊,可以通过对“日期”文本行中的字符数量进行校验、或通过在文本库中查询“省份”文本行内的文本识别结果,来对文本识别结果进行校验,进一步判断不模糊的结果是否是错误结果,从而减少误判,进一步提升文本识别精度。
图7示出了根据本公开的实施例的文本识别装置700的结构框图。
如图7所示,文本识别装置700包括:目标检测单元710,目标检测单元710被配置为对待检测图像进行目标检测,获取至少一个检测框,至少一个检测框中的每个检测框分别包围待检测图像中的一个目标文本行;像素值获取单元720,像素值获取单元720被配置为获取待检测图像位于至少一个检测框内的部分的像素值;文本识别单元730,文本识别单元730被配置为对位于至少一个检测框中任意一个检测框内的目标文本进行识别,以获得文本识别结果和与文本识别结果相对应的置信度;模糊检测框确定单元740,模糊检测框确定单元740被配置为响应于置信度小于第一阈值,确定与该置信度相对应的文本识别结果为模糊,并确定模糊检测框,模糊检测框是至少一个检测框中、与被确定为模糊的文本识别结果相对应的目标文本行所在的检测框;以及图像缺陷种类确定单元750,图像缺陷种类确定单元750被配置为基于待检测图像位于模糊检测框内的部分的像素值与第二阈值的比较,确定待检测图像位于模糊检测框内的部分的图像缺陷种类。
根据一些实施例,像素值获取单元720可以被进一步配置为:获取待检测图像位于至少一个检测框内的部分的像素平均值,并且图像缺陷种类确定单元750可以被进一步配置为:响应于确定像素平均值小于第二阈值,确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过暗缺陷;或响应于确定像素平均值大于第二阈值,确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过亮缺陷。
图8示出了根据本公开的实施例的文本识别装置800的结构框图。
如图8所示,文本识别装置800包括目标检测单元810至图像缺陷种类确定单元850,目标检测单元810至图像缺陷种类确定单元850与上文中关于图7描述的文本识别装置700的目标检测单元710至图像缺陷种类确定单元750相似,在此不再赘述。
根据一些实施例,文本识别装置800还可以包括:校验单元860,校验单元860被配置为响应于置信度大于或等于第一阈值,对通过识别获得的文本识别结果进行校验;以及错误结果确定单元870,错误结果确定单元870被配置为响应于校验不通过,确定通过识别获得的文本识别结果为错误结果。
根据一些实施例,通过识别获得的文本识别结果可以包括第一数量的字符,并且校验单元860可以被进一步配置为:将第一数量与相应的数量阈值进行比较;以及响应于第一数量与数量阈值不相等,确定校验不通过。
根据一些实施例,校验单元860可以被进一步配置为:根据通过识别获得的文本识别结果,在文本库中查询;以及响应于未查询到与通过识别获得的文本识别结果相同的结果,确定校验不通过。
根据一些实施例,文本识别装置800还可以包括缺陷提示单元880,缺陷提示单元880被配置为:响应于确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过暗缺陷,发出第一提示信息;或响应于确定待检测图像位于模糊检测框内的部分的图像缺陷种类为过亮缺陷,发出不同于第一提示信息的第二提示信息。
根据一些实施例,待检测图像可以是包括卡证的整体或局部的图像,并且,目标文本行是卡证中的用户信息文本行。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
本公开还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述任意一种方法。
本公开还提供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,计算机指令用于使计算机执行上述任意一种方法。
本公开还提供一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述任意一种方法。
参考图9,现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901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901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901执行上文所描述的各个方法和处理,例如方法200或方法300。例如,在一些实施例中,方法200或方法300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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的方法200或方法300的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200或方法300。
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)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,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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,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。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (16)
1.一种文本识别方法,包括:
对待检测图像进行目标检测,获取至少一个检测框,所述至少一个检测框中的每个检测框分别包围所述待检测图像中的一个目标文本行;
获取所述待检测图像位于所述至少一个检测框内的部分的像素值;
对位于所述至少一个检测框中任意一个检测框内的目标文本进行识别,以获得文本识别结果和与所述文本识别结果相对应的置信度;
响应于所述置信度小于第一阈值,确定与该置信度相对应的文本识别结果为模糊,并确定模糊检测框,所述模糊检测框是所述至少一个检测框中、与被确定为模糊的文本识别结果相对应的目标文本行所在的检测框;以及
响应于确定所述像素值小于第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过暗缺陷;或响应于确定所述像素值大于所述第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过亮缺陷。
2.根据权利要求1所述的方法,其中,获取所述待检测图像位于所述至少一个检测框内的部分的像素值包括:获取所述待检测图像位于所述至少一个检测框内的部分的像素平均值,并且
其中,响应于确定所述像素值小于第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过暗缺陷包括:响应于确定所述像素平均值小于所述第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过暗缺陷;
并且响应于确定所述像素值大于所述第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过亮缺陷包括:响应于确定所述像素平均值大于所述第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过亮缺陷。
3.根据权利要求1所述的方法,还包括:
响应于所述置信度大于或等于所述第一阈值,对通过识别获得的文本识别结果进行校验;以及
响应于校验不通过,确定通过识别获得的文本识别结果为错误结果。
4.根据权利要求3所述的方法,其中,通过识别获得的文本识别结果包括第一数量的字符,并且
其中,对通过识别获得的文本识别结果进行校验包括:
将所述第一数量与相应的数量阈值进行比较;以及
响应于所述第一数量与所述数量阈值不相等,确定校验不通过。
5.根据权利要求3所述的方法,其中,对通过识别获得的文本识别结果进行校验包括:
根据通过识别获得的文本识别结果,在文本库中查询;以及
响应于未查询到与通过识别获得的文本识别结果相同的结果,确定校验不通过。
6.根据权利要求2所述的方法,还包括:
响应于确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过暗缺陷,发出第一提示信息;或
响应于确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过亮缺陷,发出不同于所述第一提示信息的第二提示信息。
7.根据权利要求1至6中任一项所述的方法,其中,所述待检测图像是包括卡证的整体或局部的图像,并且其中,目标文本行是所述卡证中的用户信息文本行。
8.一种文本识别装置,包括:
目标检测单元,所述目标检测单元被配置为对待检测图像进行目标检测,获取至少一个检测框,所述至少一个检测框中的每个检测框分别包围所述待检测图像中的一个目标文本行;
像素值获取单元,所述像素值获取单元被配置为获取所述待检测图像位于所述至少一个检测框内的部分的像素值;
文本识别单元,所述文本识别单元被配置为对位于所述至少一个检测框中任意一个检测框内的目标文本进行识别,以获得文本识别结果和与所述文本识别结果相对应的置信度;
模糊检测框确定单元,所述模糊检测框确定单元被配置为响应于所述置信度小于第一阈值,确定与该置信度相对应的文本识别结果为模糊,并确定模糊检测框,所述模糊检测框是所述至少一个检测框中、与被确定为模糊的文本识别结果相对应的目标文本行所在的检测框;以及
图像缺陷种类确定单元,所述图像缺陷种类确定单元被配置为响应于确定所述像素值小于第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过暗缺陷;或响应于确定所述像素值大于所述第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过亮缺陷。
9.根据权利要求8所述的装置,其中,所述像素值获取单元被进一步配置为:获取所述待检测图像位于所述至少一个检测框内的部分的像素平均值,并且
其中,所述图像缺陷种类确定单元被进一步配置为:
响应于确定所述像素平均值小于所述第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过暗缺陷;或
响应于确定所述像素平均值大于所述第二阈值,确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过亮缺陷。
10.根据权利要求8所述的装置,还包括:
校验单元,所述校验单元被配置为响应于所述置信度大于或等于所述第一阈值,对通过识别获得的文本识别结果进行校验;以及
错误结果确定单元,所述错误结果确定单元被配置为响应于校验不通过,确定通过识别获得的文本识别结果为错误结果。
11.根据权利要求10所述的装置,其中,通过识别获得的文本识别结果包括第一数量的字符,并且
其中,所述校验单元被进一步配置为:将所述第一数量与相应的数量阈值进行比较;以及
响应于所述第一数量与所述数量阈值不相等,确定校验不通过。
12.根据权利要求10所述的装置,其中,所述校验单元被进一步配置为:
根据通过识别获得的文本识别结果,在文本库中查询;以及
响应于未查询到与通过识别获得的文本识别结果相同的结果,确定校验不通过。
13.根据权利要求9所述的装置,还包括缺陷提示单元,所述缺陷提示单元被配置为:
响应于确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过暗缺陷,发出第一提示信息;或
响应于确定所述待检测图像位于所述模糊检测框内的部分的图像缺陷种类为过亮缺陷,发出不同于所述第一提示信息的第二提示信息。
14.根据权利要求8至13中任一项所述的装置,其中,所述待检测图像是包括卡证的整体或局部的图像,并且其中,目标文本行是所述卡证中的用户信息文本行。
15.一种电子设备,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1-7中任一项所述的方法。
16.一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1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210107770.0A CN114495103B (zh) | 2022-01-28 | 2022-01-28 | 文本识别方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210107770.0A CN114495103B (zh) | 2022-01-28 | 2022-01-28 | 文本识别方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114495103A CN114495103A (zh) | 2022-05-13 |
CN114495103B true CN114495103B (zh) | 2023-04-04 |
Family
ID=81476388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210107770.0A Active CN114495103B (zh) | 2022-01-28 | 2022-01-28 | 文本识别方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114495103B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972947B (zh) * | 2022-07-26 | 2022-12-06 | 之江实验室 | 一种基于模糊语义建模的深度场景文本检测方法和装置 |
CN116824609B (zh) * | 2023-06-29 | 2024-05-24 | 北京百度网讯科技有限公司 | 文档版式检测方法、装置和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10445569B1 (en) * | 2016-08-30 | 2019-10-15 | A9.Com, Inc. | Combination of heterogeneous recognizer for image-based character recognition |
CN112508011A (zh) * | 2020-12-02 | 2021-03-16 | 上海逸舟信息科技有限公司 | 一种基于神经网络的ocr识别方法及设备 |
CN112990035A (zh) * | 2021-03-23 | 2021-06-18 | 北京百度网讯科技有限公司 | 一种文本识别的方法、装置、设备以及存储介质 |
CN113313111A (zh) * | 2021-05-28 | 2021-08-27 | 北京百度网讯科技有限公司 | 文本识别方法、装置、设备和介质 |
CN113569613A (zh) * | 2021-02-20 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
CN113627439A (zh) * | 2021-08-11 | 2021-11-09 | 北京百度网讯科技有限公司 | 文本结构化处理方法、处理装置、电子设备以及存储介质 |
CN113723305A (zh) * | 2021-08-31 | 2021-11-30 | 北京百度网讯科技有限公司 | 图像和视频检测方法、装置、电子设备和介质 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8385652B2 (en) * | 2010-03-31 | 2013-02-26 | Microsoft Corporation | Segmentation of textual lines in an image that include western characters and hieroglyphic characters |
US20120092329A1 (en) * | 2010-10-13 | 2012-04-19 | Qualcomm Incorporated | Text-based 3d augmented reality |
CN103377379A (zh) * | 2012-04-27 | 2013-10-30 | 佳能株式会社 | 文本检测设备、文本信息提取系统及其方法 |
US9043349B1 (en) * | 2012-11-29 | 2015-05-26 | A9.Com, Inc. | Image-based character recognition |
US9058644B2 (en) * | 2013-03-13 | 2015-06-16 | Amazon Technologies, Inc. | Local image enhancement for text recognition |
US11244349B2 (en) * | 2015-12-29 | 2022-02-08 | Ebay Inc. | Methods and apparatus for detection of spam publication |
EP3891628A4 (en) * | 2018-12-04 | 2022-07-06 | Citrix Systems, Inc. | REAL-TIME DIGITAL CONTENT COVERING |
CN109872304B (zh) * | 2019-01-17 | 2022-12-02 | 京东方科技集团股份有限公司 | 图像缺陷检测方法及装置、电子设备、存储介质 |
KR20190106853A (ko) * | 2019-08-27 | 2019-09-18 | 엘지전자 주식회사 | 텍스트 인식 장치 및 방법 |
US11188745B2 (en) * | 2019-09-13 | 2021-11-30 | At&T Intellectual Property I, L.P. | Enhancing electronic documents for character recognition |
US11151372B2 (en) * | 2019-10-09 | 2021-10-19 | Elsevier, Inc. | Systems, methods and computer program products for automatically extracting information from a flowchart image |
WO2021189889A1 (zh) * | 2020-03-26 | 2021-09-30 | 平安科技(深圳)有限公司 | 场景图像中的文本检测方法、装置、计算机设备及存储介质 |
CN111461131B (zh) * | 2020-04-16 | 2023-04-18 | 上海东普信息科技有限公司 | 身份证号码信息识别方法、装置、设备及存储介质 |
CN111582116B (zh) * | 2020-04-29 | 2022-09-13 | 腾讯科技(深圳)有限公司 | 一种视频抹除痕迹检测方法、装置、设备和存储介质 |
CN111753839A (zh) * | 2020-05-18 | 2020-10-09 | 北京捷通华声科技股份有限公司 | 一种文本检测方法和装置 |
WO2021232333A1 (en) * | 2020-05-21 | 2021-11-25 | Shenzhen Malong Technologies Co., Ltd. | System and methods for express checkout |
CN112162930B (zh) * | 2020-10-21 | 2022-02-08 | 腾讯科技(深圳)有限公司 | 一种控件识别的方法、相关装置、设备及存储介质 |
CN112560847A (zh) * | 2020-12-25 | 2021-03-26 | 中国建设银行股份有限公司 | 图像文本区域定位方法及装置、存储介质及电子设备 |
CN113256583A (zh) * | 2021-05-24 | 2021-08-13 | 北京百度网讯科技有限公司 | 图像质量检测方法及装置、计算机设备和介质 |
CN113486881B (zh) * | 2021-09-03 | 2021-12-07 | 北京世纪好未来教育科技有限公司 | 一种文本识别方法、装置、设备及介质 |
CN113903041A (zh) * | 2021-09-15 | 2022-01-07 | 广州小鹏自动驾驶科技有限公司 | 文本识别方法、装置、车辆及存储介质 |
CN113963321B (zh) * | 2021-10-27 | 2023-08-04 | 阿波罗智联(北京)科技有限公司 | 图像处理方法、装置、电子设备和介质 |
CN113963149A (zh) * | 2021-10-29 | 2022-01-21 | 平安科技(深圳)有限公司 | 一种医疗票据图片的模糊判断方法、系统、设备及介质 |
-
2022
- 2022-01-28 CN CN202210107770.0A patent/CN114495103B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10445569B1 (en) * | 2016-08-30 | 2019-10-15 | A9.Com, Inc. | Combination of heterogeneous recognizer for image-based character recognition |
CN112508011A (zh) * | 2020-12-02 | 2021-03-16 | 上海逸舟信息科技有限公司 | 一种基于神经网络的ocr识别方法及设备 |
CN113569613A (zh) * | 2021-02-20 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、图像处理设备及存储介质 |
CN112990035A (zh) * | 2021-03-23 | 2021-06-18 | 北京百度网讯科技有限公司 | 一种文本识别的方法、装置、设备以及存储介质 |
CN113313111A (zh) * | 2021-05-28 | 2021-08-27 | 北京百度网讯科技有限公司 | 文本识别方法、装置、设备和介质 |
CN113627439A (zh) * | 2021-08-11 | 2021-11-09 | 北京百度网讯科技有限公司 | 文本结构化处理方法、处理装置、电子设备以及存储介质 |
CN113723305A (zh) * | 2021-08-31 | 2021-11-30 | 北京百度网讯科技有限公司 | 图像和视频检测方法、装置、电子设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114495103A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114495103B (zh) | 文本识别方法、装置、电子设备和介质 | |
CN115422389B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
CN115438214B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
CN113256583A (zh) | 图像质量检测方法及装置、计算机设备和介质 | |
EP3869404A2 (en) | Vehicle loss assessment method executed by mobile terminal, device, mobile terminal and medium | |
CN114494935B (zh) | 视频信息的处理方法、装置、电子设备和介质 | |
CN114445667A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN113723305A (zh) | 图像和视频检测方法、装置、电子设备和介质 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN113596011B (zh) | 流量识别方法及装置,计算设备和介质 | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN113139542B (zh) | 目标检测方法、装置、设备和计算机可读存储介质 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN115082757A (zh) | 伪标签生成方法、目标检测模型训练方法及装置 | |
CN113486853A (zh) | 视频检测方法及装置、电子设备和介质 | |
CN114511694B (zh) | 图像识别方法、装置、电子设备和介质 | |
CN114677691B (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN115512131B (zh) | 图像检测方法和图像检测模型的训练方法 | |
CN115170536B (zh) | 图像检测方法、模型的训练方法和装置 | |
CN116070711B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN115019048B (zh) | 三维场景分割方法、模型训练方法、装置和电子设备 | |
CN114612962A (zh) | 图像处理方法和装置 | |
CN115293264A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN114882571A (zh) | 获取图像信息的方法和用于训练图像检测模型的方法 |
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 |