CN114612909A - 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 PDFInfo
- Publication number
- CN114612909A CN114612909A CN202210260963.XA CN202210260963A CN114612909A CN 114612909 A CN114612909 A CN 114612909A CN 202210260963 A CN202210260963 A CN 202210260963A CN 114612909 A CN114612909 A CN 114612909A
- Authority
- CN
- China
- Prior art keywords
- image
- character
- recognized
- classification
- information corresponding
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (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,包括:提取待识别图像中的图像特征;将图像特征输入分类网络模块中,以得到待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中位置信息通过与待识别图像中的各字符分别对应的第一特征图来表示,分类信息通过与待识别图像中的各字符对应的第二特征图来表示,分类网络模块为预先训练好的神经网络模块;根据待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别待识别图像中的字符。这样,对于图像中的字符个数较少的中文字符识别场景,有效降低了模型计算量,降低了对于显存等硬件条件的需求,更便于模型训练,提高了识别精度。
Description
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
随着深度学习的发展,在OCR(光学字符识别,Optical Character Recognition)领域中,出现了一系列端到端的深度学习框架。端到端OCR主要分为基于RoI(region ofinterest,感兴趣)的两阶段方法,会先进行目标检测,然后对检测得到的区域进行字符识别;以及基于像素分类的单阶段方法,训练好的网络会分别针对图像中的每一个像素分别相对于字符集中的每一个字符输出一张特征图,以表征该图像中属于该字符的像素点位置。
两阶段方法受到非极大抑制(NMS)、RoI操作精度的影响,最终的字符识别精度需要从多方面调整以进行精度保证,单阶段方法受其他操作影响少,更容易训练得到较好的识别精度,常用于字符集个数较少的英文等场景,这样但对于字符集个数较多的中文字符识别场景,逐像素分类需要输出大量特征图,对计算设备的硬件需求例如显存也具有过大要求,从而很难实现很好的训练效果。
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。
第一方面,本公开提供一种字符识别方法,所述方法包括:获取待识别图像;提取所述待识别图像中的图像特征;将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块;根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。
第二方面,本公开提供一种字符识别装置,所述装置包括:获取模块,用于获取待识别图像;特征提取模块,用于提取所述待识别图像中的图像特征;分类模块,用于将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块;识别模块,用于根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。
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,以实现第一方面所述方法的步骤。
通过上述技术方案,在字符识别的过程中将每一个字符作为一个识别单位,来进行各字符所在区域对应的位置信息和各字符对应的分类信息的识别,对于图像中的字符个数较少的中文字符识别场景,具有更佳的识别效率,且由于无需针对字符集中的每一个字符分别输出一张特征图来进行图像中字符的识别,在用于中文等字符集很大的语言的字符识别时,有效降低了模型计算量,降低了对于显存等硬件条件的需求。
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是根据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是根据本公开由一示例性实施例示出的一种字符识别方法的流程图。
图3是根据本公开由一示例性实施例示出的一种字符识别方法的流程图。
图4是根据本公开一示例性实施例示出的一种字符识别装置的结构框图。
图5是根据本公开又一示例性实施例示出的一种字符识别装置的结构框图。
图6是根据本公开又一示例性实施例示出的一种字符识别装置的结构框图。
图7示出了适于用来实现本公开实施例的电子设备的结构示意图。
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。
图1是根据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。如图1所示,所述方法包括步骤101至步骤104。
在步骤101中,获取待识别图像。该待识别图像为任意可能包括字符文本的图像。
在步骤102中,提取所述待识别图像中的图像特征。
提取该待识别图像中的图像特征的方法可以为任意特征提取方法,例如通过预先训练得到的图像特征提取网络即可实现,本公开中对该图像特征提取网络的结构和训练方式不进行限定,只要能够实现对该待识别文本图像的图像特征进行提取即可,例如可以为RPN(RegionProposal Network)等网络。
在步骤103中,将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块。
在一种可能的实施方式中,所述分类网络模块为预先训练得到的端到端字符识别模型中的一个神经网络模块,其能够将输入的图像特征中所包括的各字符分别在该待识别图像中的位置信息和各字符对应的分类信息分别预测得到,并分别通过该第一特征图和第二特征图来进行表示。或者,在另一种可能的实施方式中,该分类网络模块也可以为非端到端字符识别模型中的神经网络模块,负责对输入的图像特征中所包括的各字符分别在该待识别图像中的位置信息和各字符对应的分类信息分别预测得到,并分别通过该第一特征图和第二特征图来进行表示。
用于表示该位置信息的第一特征图可以是与该待识别图像尺寸相同的特征图,每一个第一特征图都分别用于表征一个字符的位置信息,并通过将该第一特征图中与该位置信息相对应位置的区域进行标记的方式来将该位置信息表示在该第一特征图中。其中,该第一特征图可以为二元掩模(binary mask),具体的,可以通过将该二元掩模中与该位置信息相对应位置的区域标记为1,其他区域标记为0的方式,实现通过该第一特征图表示该待识别图像中各字符所在区域所对应的位置信息。则,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息可以包括:所述分类网络模块通过与所述待识别图像相同尺寸的二元掩模表示所述待识别图像中各字符所在区域对应的位置信息,并将所述二元掩模作为所述第一特征图。
或者,该第一特征图的尺寸也可以与该待识别图像的尺寸不同,只要能够将其对应的字符在该待识别图像中的位置信息表示出来即可。
其中,该第一特征图中仅用于表示该字符在该待识别图像中的位置信息,未包括该字符的分类信息。各字符的分类信息是分别用与其各自对应的第二特征图来进行表示。该第二特征图的尺寸大小在本公开中不进行限定,只要能够将各字符对应的分类信息通过特征图表示出来即可,例如可以通过1*1*C的尺寸大小的特征图来表征单个字符对应的分类信息,其中C为所述待识别图像中所包括的字符的总个数,在C维1*1的特征图中,将各个字符的分类信息表示在该字符对应维度的1*1大小的特征图中。
在步骤104中,根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。
通过上述技术方案,在字符识别的过程中将每一个字符作为一个识别单位,来进行各字符所在区域对应的位置信息和各字符对应的分类信息的识别,对于图像中的字符个数较少的字符识别场景,具有更佳的识别效率,且由于无需针对字符集中的每一个字符分别输出一张特征图来进行图像中字符的识别,在用于中文等字符集很大的语言的字符识别时,有效降低了模型计算量,降低了对于显存等硬件条件的需求。
图2是根据本公开又一示例性实施例示出的一种字符识别方法的流程图。如图2所示,所述方法还包括步骤201至步骤203。
在步骤201中,将所述图像特征输入所述分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的所述位置信息,并通过与各字符分别对应的所述第一特征图进行表示。
在步骤202中,根据所述第一特征图,确定所述待识别图像的所述图像特征中各字符分别对应的子图像特征。
在步骤203中,根据各字符分别对应的所述子图像特征确定各字符对应的所述分类信息,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示。
该分类网络模块根据输入的图像特征,先确定用于表征该待识别图像中各字符所在区域分别对应的位置信息的第一特征图,进而便可以根据该第一特征图在该待识别图像中确定与各字符分别对应的图像区域,该图像区域对应的图像特征也即该字符对应的子图像特征。进一步根据各个字符分别对应的子图像特征便可以确定得到各字符所对应的分类信息。
在一种可能的实施方式中,该分类网络模块确定该待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息的方法还可以如图3所示,包括步骤301和步骤302。
在步骤301中,将所述图像特征输入所述分类网络模块中,以按照预设排序方式对所述待识别图像中的各字符进行排序,并得到所述待识别图像中的各字符所在区域分别对应的所述位置信息,所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示。
在步骤302中,根据所述图像特征分别确定各字符对应的所述分类信息,根据按照所述预设排序方式对所述待识别图像中的各字符所进行的排序结果,通过所述第二特征图对所述分类信息进行表示。
该预设排序方式为该分类网络模块在其训练时所设定的排序方式,例如,可以按照各字符在该待识别图像中的位置从左至右,从上至下的顺序依次确定各个字符在字符识别过程中处于第几位字符。
上述步骤301和步骤302中的步骤在实际场景中可以是同时进行的,也即,该分类网络模块能够在输入该待识别图像的图像特征之后,同时根据该图像特征来得到该待识别图像中各字符所在区域分别对应的所述位置信息,并根据该图像特征来得到该待识别图像中各字符对应的分类信息。该分类信息和该位置信息的确定过程互不影响,分类网络模块能够在不将该位置信息用该第一特征图所表示出来的情况下直接对各字符所在区域的前述子图像特征进行字符分类判断。
在本实施例中,在分别得到该待识别图像中的各字符所在区域分别对应的所述位置信息和该待识别图像中各字符对应的所述分类信息之后,能够根据各位置信息和各分类信息对应的字符所在顺序序号来进行对应。例如,该分类网络模块在分别确定该位置信息和分类信息的过程中,会按照相同的预设排序方式,将该位置信息和分类信息分别进行排序,对应图中第一位字符的位置信息和分类信息,在位置信息的整体排序结果和分类信息的整体排序结果中也都会排在第一位,由此,便可以轻易地将该待识别图像中各个字符的位置信息和分类信息对应起来。
在一种可能的实施方式中,所述分类网络模块通过N个通道按照所述预设顺序输出所述待识别图像中的各字符所在区域分别对应的位置信息,并通过N个通过输出所述待识别图像中的各字符对应的分类信息,N为所述分类网络模块在预先训练的过程中设定的不小于0的正整数。其中,N可以是根据实际应用情况所选取的正整数,例如,若根据实际应用判断该分类网络模块可能会处理的图像中的字符总数不超过50,则可以将N确定为50。在确定该位置信息和该分类信息的过程中,会分别通过50个通道按序输出图中各个字符对应的位置信息,并通过50个通道按序输出图中各个字符对应的分类信息。另外,若所述待识别图像中所包括的字符的总个数小于所述N,例如当前正在进行识别的图像中所包括的字符的总个数仅包括20个字符的情况下,使用该50个通道中的前20个通道来分别输出图中个字符的位置信息和分类信息,剩余的部分通道输出可以为空。这样,对于待识别的字符个数较少的字符识别场景中,例如广告中的字符识别、或者电影场景中的字符识别等场景,所需要设置的通道数量将远小于中文字符集中的所有字符的总个数,从而有效地降低模型计算量,提高文本识别效率,提高模型的可训练度,降低对字符识别所需硬件的需求。
图4是根据本公开一示例性实施例示出的一种字符识别装置的结构框图。如图4所示,所述装置包括:获取模块10,用于获取待识别图像;特征提取模块20,用于提取所述待识别图像中的图像特征;分类模块30,用于将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块;识别模块40,用于根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。
通过上述技术方案,在字符识别的过程中将每一个字符作为一个识别单位,来进行各字符所在区域对应的位置信息和各字符对应的分类信息的识别,对于图像中的字符个数较少的字符识别场景,具有更佳的识别效率,且由于无需针对字符集中的每一个字符分别输出一张特征图来进行图像中字符的识别,在用于中文等字符集很大的语言的字符识别时,有效降低了模型计算量,降低了对于显存等硬件条件的需求。
在一种可能的实施方式中,所述分类模块30还用于:所述分类网络模块通过与所述待识别图像相同尺寸的二元掩模表示所述待识别图像中各字符所在区域对应的位置信息,并将所述二元掩模作为所述第一特征图。
在一种可能的实施方式中,所述分类模块30还用于:所述第二特征图的尺寸大小为1*1*C,其中C为所述待识别图像中所包括的字符的总个数。
图5是根据本公开又一示例性实施例示出的一种字符识别装置的结构框图。所述分类模块30包括:第一分类子模块301,用于将所述图像特征输入所述分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的所述位置信息,并通过与各字符分别对应的所述第一特征图进行表示;第二分类子模块302,用于根据所述第一特征图,确定所述待识别图像的所述图像特征中各字符分别对应的子图像特征;第三分类子模块303,用于根据各字符分别对应的所述子图像特征确定各字符对应的所述分类信息。
图6是根据本公开又一示例性实施例示出的一种字符识别装置的结构框图。所述分类模块30包括:第四分类子模块304,用于将所述图像特征输入所述分类网络模块中,以按照预设排序方式对所述待识别图像中的各字符进行排序,并得到所述待识别图像中的各字符所在区域分别对应的所述位置信息;第五分类子模块305,用于根据所述图像特征分别确定各字符对应的所述分类信息,根据按照所述预设排序方式对所述待识别图像中的各字符所进行的排序结果,通过所述第二特征图对所述分类信息进行表示。
在一种可能的实施方式中,所述分类网络模块通过N个通道按照所述预设顺序输出所述待识别图像中的各字符所在区域分别对应的位置信息,并通过N个通过输出所述待识别图像中的各字符对应的分类信息,N为所述分类网络模块在预先训练的过程中设定的不小于0的正整数。
在一种可能的实施方式中,若所述待识别图像中所包括的字符的总个数小于所述N,所述分类网络模块的部分通道输出为空。
下面参考图7,其示出了适于用来实现本公开实施例的电子设备700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7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7所示,电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理装置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。
通常,以下装置可以连接至I/O接口705: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706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700,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709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701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、服务器可以利用诸如HTTP(HyperText TransferProtocol,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:获取待识别图像;提取所述待识别图像中的图像特征;将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块;根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。。
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,获取模块还可以被描述为“获取待识别图像的模块”。
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,所述方法包括:获取待识别图像;提取所述待识别图像中的图像特征;将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块;根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。
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,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息包括:所述分类网络模块通过与所述待识别图像相同尺寸的二元掩模表示所述待识别图像中各字符所在区域对应的位置信息,并将所述二元掩模作为所述第一特征图。
根据本公开的一个或多个实施例,示例3提供了示例1的方法,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息包括:所述第二特征图的尺寸大小为1*1*C,其中C为所述待识别图像中所包括的字符的总个数。
根据本公开的一个或多个实施例,示例4提供了示例1-3中任一的方法,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息包括:将所述图像特征输入所述分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的所述位置信息,并通过与各字符分别对应的所述第一特征图进行表示;根据所述第一特征图,确定所述待识别图像的所述图像特征中各字符分别对应的子图像特征;根据各字符分别对应的所述子图像特征确定各字符对应的所述分类信息。
根据本公开的一个或多个实施例,示例5提供了示例1-3中任一的方法,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息包括:将所述图像特征输入所述分类网络模块中,以按照预设排序方式对所述待识别图像中的各字符进行排序,并得到所述待识别图像中的各字符所在区域分别对应的所述位置信息;根据所述图像特征分别确定各字符对应的所述分类信息,根据按照所述预设排序方式对所述待识别图像中的各字符所进行的排序结果,通过所述第二特征图对所述分类信息进行表示。
根据本公开的一个或多个实施例,示例6提供了示例1-3中任一的方法所述分类网络模块通过N个通道按照所述预设顺序输出所述待识别图像中的各字符所在区域分别对应的位置信息,并通过N个通过输出所述待识别图像中的各字符对应的分类信息,N为所述分类网络模块在预先训练的过程中设定的不小于0的正整数。
根据本公开的一个或多个实施例,示例7提供了示例6的方法,若所述待识别图像中所包括的字符的总个数小于所述N,所述分类网络模块的部分通道输出为空。
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,所述装置包括:获取模块,用于获取待识别图像;特征提取模块,用于提取所述待识别图像中的图像特征;分类模块,用于将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块;识别模块,用于根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。
根据本公开的一个或多个实施例,示例8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示例1-7项所述方法的步骤。
根据本公开的一个或多个实施例,示例8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,以实现示例1-7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 (10)
1.一种字符识别方法,其特征在于,所述方法包括:
获取待识别图像;
提取所述待识别图像中的图像特征;
将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块;
根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。
2.根据权利要求1所述的方法,其特征在于,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息包括:
所述分类网络模块通过与所述待识别图像相同尺寸的二元掩模表示所述待识别图像中各字符所在区域对应的位置信息,并将所述二元掩模作为所述第一特征图。
3.根据权利要求1所述的方法,其特征在于,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息包括:
所述第二特征图的尺寸大小为1*1*C,其中C为所述待识别图像中所包括的字符的总个数。
4.根据权利要求1-3中任一权利要求所述的方法,其特征在于,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息包括:
将所述图像特征输入所述分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的所述位置信息,并通过与各字符分别对应的所述第一特征图进行表示;
根据所述第一特征图,确定所述待识别图像的所述图像特征中各字符分别对应的子图像特征;
根据各字符分别对应的所述子图像特征确定各字符对应的所述分类信息。
5.根据权利要求1-3中任一权利要求所述的方法,其特征在于,所述将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息包括:
将所述图像特征输入所述分类网络模块中,以按照预设排序方式对所述待识别图像中的各字符进行排序,并得到所述待识别图像中的各字符所在区域分别对应的所述位置信息;
根据所述图像特征分别确定各字符对应的所述分类信息,根据按照所述预设排序方式对所述待识别图像中的各字符所进行的排序结果,通过所述第二特征图对所述分类信息进行表示。
6.根据权利要求1-3中任一权利要求所述的方法,其特征在于,所述分类网络模块通过N个通道按照所述预设顺序输出所述待识别图像中的各字符所在区域分别对应的位置信息,并通过N个通过输出所述待识别图像中的各字符对应的分类信息,N为所述分类网络模块在预先训练的过程中设定的不小于0的正整数。
7.根据权利要求6所述的方法,其特征在于,若所述待识别图像中所包括的字符的总个数小于所述N,所述分类网络模块的部分通道输出为空。
8.一种字符识别装置,其特征在于,所述装置包括:
获取模块,用于获取待识别图像;
特征提取模块,用于提取所述待识别图像中的图像特征;
分类模块,用于将所述图像特征输入分类网络模块中,以得到所述待识别图像中的各字符所在区域分别对应的位置信息和各字符对应的分类信息,其中所述位置信息通过与所述待识别图像中的各字符分别对应的第一特征图来表示,所述分类信息通过与所述待识别图像中的各字符对应的第二特征图来表示,所述分类网络模块为预先训练好的神经网络模块;
识别模块,用于根据所述待识别图像中的各字符所在区域对应的位置信息和各字符对应的分类信息识别所述待识别图像中的字符。
9.一种计算机可读介质,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1-7中任一权利要求所述方法的步骤。
10.一种电子设备,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1-7中任一权利要求所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210260963.XA CN114612909A (zh) | 2022-03-16 | 2022-03-16 | 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 |
---|---|---|---|
CN202210260963.XA CN114612909A (zh) | 2022-03-16 | 2022-03-16 | 字符识别方法、装置、可读介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114612909A true CN114612909A (zh) | 2022-06-10 |
Family
ID=81863040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210260963.XA Pending CN114612909A (zh) | 2022-03-16 | 2022-03-16 | 字符识别方法、装置、可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114612909A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116343233A (zh) * | 2023-04-04 | 2023-06-27 | 北京百度网讯科技有限公司 | 文本识别方法和文本识别模型的训练方法、装置 |
-
2022
- 2022-03-16 CN CN202210260963.XA patent/CN114612909A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116343233A (zh) * | 2023-04-04 | 2023-06-27 | 北京百度网讯科技有限公司 | 文本识别方法和文本识别模型的训练方法、装置 |
CN116343233B (zh) * | 2023-04-04 | 2024-02-06 | 北京百度网讯科技有限公司 | 文本识别方法和文本识别模型的训练方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340131A (zh) | 图像的标注方法、装置、可读介质和电子设备 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN113313064A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
CN110659639B (zh) | 汉字识别方法、装置、计算机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 | |
CN112364829B (zh) | 一种人脸识别方法、装置、设备及存储介质 | |
CN112883967B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN111784712A (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN112883966A (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN114049632A (zh) | 图像字符识别模型训练方法、图像字符识别方法及装置 | |
CN110674813B (zh) | 汉字识别方法、装置、计算机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 | |
CN112800961A (zh) | 笔画书写顺序检测方法、装置、介质和电子设备 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN113128470B (zh) | 笔划识别方法、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 | |
CN114463768A (zh) | 表格识别方法、装置、可读介质和电子设备 | |
CN113033552B (zh) | 文本识别方法、装置和电子设备 | |
CN114004229A (zh) | 文本识别方法、装置、可读介质及电子设备 | |
CN114429628A (zh) | 图像处理方法、装置、可读存储介质及电子设备 | |
CN114155545A (zh) | 表格识别方法、装置、可读介质及电子设备 | |
CN113255812A (zh) | 视频边框检测方法、装置和电子设备 | |
CN113705386A (zh) | 视频分类方法、装置、可读介质和电子设备 | |
CN115546804A (zh) | 识别答题卡模板的方法、装置、可读介质及电子设备 | |
CN112418233A (zh) | 图像处理方法、装置、可读介质及电子设备 |
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 |