CN114724144B - 文本识别方法、模型的训练方法、装置、设备及介质 - Google Patents
文本识别方法、模型的训练方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114724144B CN114724144B CN202210531978.5A CN202210531978A CN114724144B CN 114724144 B CN114724144 B CN 114724144B CN 202210531978 A CN202210531978 A CN 202210531978A CN 114724144 B CN114724144 B CN 114724144B
- Authority
- CN
- China
- Prior art keywords
- sample
- image
- target
- pixel point
- reconstruction
- 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
- 238000012549 training Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000009467 reduction Effects 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012015 optical character recognition Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction 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
- 238000013136 deep learning model Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Character Input (AREA)
Abstract
本公开提供了文本识别方法、用于文本识别的模型的训练方法、装置、电子设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及深度学习、图像处理、计算机视觉技术领域，可应用于OCR等场景。具体实现方案为：对待处理图像进行文本检测处理，得到目标待处理图像；对目标待处理图像进行降噪重建处理，得到目标重建图像；从目标待处理图像和目标重建图像中确定目标图像；以及对目标图像进行文本识别处理，得到识别结果。
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、图像处理、计算机视觉技术领域，可应用于OCR等场景。具体涉及文本识别方法、用于文本识别的模型的训练方法、装置、电子设备、存储介质以及程序产品。
背景技术
OCR(Optical Character Recognition，光学字符识别)，可以是指利用电子设备，例如扫描仪或数码相机，采集具有文本内容的待处理图像。并利用文本识别方法，将待处理图像中的文本内容进行识别并转换为计算机可以处理的语言的技术。OCR是自动识别技术研究和应用领域中的一个重要方面。
在待处理图像的采集、传输以及压缩等各个方面，均不可避免的会受到干扰，生成图像噪声。待处理图像中的噪声，会影响最终的文本识别精度。
发明内容
本公开提供了一种文本识别方法、用于文本识别的模型的训练方法、装置、电子设备、存储介质以及程序产品。
根据本公开的一方面，提供了一种文本识别方法，包括：对待处理图像进行文本检测处理，得到目标待处理图像；对所述目标待处理图像进行降噪重建处理，得到目标重建图像；从所述目标待处理图像和所述目标重建图像中确定目标图像；以及对所述目标图像进行文本识别处理，得到识别结果。
根据本公开的另一方面，提供了一种用于文本识别的模型的训练方法，包括：利用目标带噪样本图像和目标样本图像训练初始降噪重建子模型，得到降噪重建子模型，其中，所述目标带噪样本图像是对所述目标样本图像进行噪声处理得到的，所述目标样本图像是利用文本检测子模型处理初始样本图像得到的，所述降噪重建子模型包括编码模块；利用目标样本图像和标签训练初始文本识别子模型，得到文本识别子模型，其中，所述初始文本识别子模型包括所述编码模块，所述标签用于指示所述目标样本图像中的文字；以及基于所述文本检测子模型、所述降噪重建子模型、和所述文本识别子模型，得到文本识别模型。
根据本公开的另一方面，提供了一种文本识别装置，包括：检测模块，用于对待处理图像进行文本检测处理，得到目标待处理图像；重建模块，用于对所述目标待处理图像进行降噪重建处理，得到目标重建图像；确定模块，用于从所述目标待处理图像和所述目标重建图像中确定目标图像；以及识别模块，用于对所述目标图像进行文本识别处理，得到识别结果。
根据本公开的另一方面，提供了一种用于文本识别的模型的训练装置，包括：重建训练模块，用于利用目标带噪样本图像和目标样本图像训练初始降噪重建子模型，得到降噪重建子模型，其中，所述目标带噪样本图像是对所述目标样本图像进行噪声处理得到的，所述目标样本图像是利用文本检测子模型处理初始样本图像得到的，所述降噪重建子模型包括编码模块；识别训练模块，用于利用目标样本图像和标签训练初始文本识别子模型，得到文本识别子模型，其中，所述初始文本识别子模型包括所述编码模块，所述标签用于指示所述目标样本图像中的文字；以及训练确定模块，用于基于所述文本检测子模型、所述降噪重建子模型、和所述文本识别子模型，得到文本识别模型。
根据本公开的另一方面，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如本公开的方法。
根据本公开的另一方面，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如本公开的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如本公开的方法。
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示意性示出了根据本公开实施例的可以应用文本识别方法及装置的示例性系统架构；
图2示意性示出了根据本公开实施例的文本识别方法的流程图；
图3示意性示出了根据本公开实施例的文本识别方法的流程示意图；
图4示意性示出了根据本公开实施例的用于文本识别的模型的训练方法的流程图；
图5A示意性示出了根据本公开实施例的初始降噪重建子模型的训练方法的流程图；
图5B示意性示出了根据本公开实施例的初始文本识别子模型的训练方法的流程图；
图6示意性示出了根据本公开实施例的文本识别装置的框图；
图7示意性示出了根据本公开实施例的用于文本识别的模型的训练装置的框图；以及
图8示意性示出了根据本公开实施例的适于实现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。
本公开提供了一种文本识别方法、用于文本识别的模型的训练方法、装置、电子设备、存储介质以及程序产品。
根据本公开的一方面，提供了一种文本识别方法，包括：对待处理图像进行文本检测处理，得到目标待处理图像；对目标待处理图像进行降噪重建处理，得到目标重建图像；从目标待处理图像和目标重建图像中确定目标图像；以及对目标图像进行文本识别处理，得到识别结果。
在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、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
图1示意性示出了根据本公开实施例的可以应用文本识别方法及装置的示例性系统架构。
需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如，在另一实施例中，可以应用文本识别方法及装置的示例性系统架构可以包括终端设备，但终端设备可以无需与服务器进行交互，即可实现本公开实施例提供的文本识别方法及装置。
如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如知识阅读类应用、网页浏览器应用、搜索类应用、图像处理类应用、文本识别类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的文本识别方法一般可以由终端设备101、102、或103执行。相应地，本公开实施例所提供的文本识别装置也可以设置于终端设备101、102、或103中。
或者，本公开实施例所提供的文本识别方法一般也可以由服务器105执行。相应地，本公开实施例所提供的文本识别装置一般可以设置于服务器105中。本公开实施例所提供的文本识别方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的文本识别装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
例如，在用户利用文本识别应用处理图像时，终端设备101、102、103可以获取用户输入的待处理图像，然后将获取的待处理图像发送给服务器105，由服务器105对待处理图像进行文本检测处理，得到目标待处理图像，对目标待处理图图像进行降噪重建处理，得到目标重建图像，从目标待处理图像和目标重建图像中确定目标图像，对目标图像进行文本识别处理，得到识别结果。或者由能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群对待处理图像进行文本识别方法的处理，并最终得到识别结果。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
应注意，以下方法中各个操作的序号仅作为该操作的表示以便描述，而不应被看作表示该各个操作的执行顺序。除非明确指出，否则该方法不需要完全按照所示顺序来执行。
图2示意性示出了根据本公开实施例的文本识别方法的流程图。
如图2所示，该方法包括操作S210～S240。
在操作S210，对待处理图像进行文本检测处理，得到目标待处理图像。
在操作S220，对目标待处理图像进行降噪重建处理，得到目标重建图像。
在操作S230，从目标待处理图像和目标重建图像中确定目标图像。
在操作S240，对目标图像进行文本识别处理，得到识别结果。
根据本公开的实施例，文本识别方法可以应用于OCR(Optical CharacterRecognition，光学字符识别)应用场景。随着计算资源的更新迭代和深度学习的发展，OCR识别技术已日渐成熟，在医疗、财务、教育等场景中发挥重要作用。利用本公开实施例提供的文本识别方法，可以通过降噪重建处理操作，来降低自然场景中的待处理图像中存在的例如亮点、黑斑、形变、或者影响文本识别的背景等噪声的干扰，使得在进行文本识别方法的过程中，减少噪声的干扰的同时，提高识别结果的精度，且提高文本识别方法的通用性和可移植性。
根据本公开的实施例，对待处理图像进行文本检测处理，可以包括，对待处理图像中的文本区域进行检测，例如，以检测框的形式标示出。还可以包括，以检测框为基准，对待处理图像进行裁切，将待处理图像的非文本区域进行去除，得到包含文本区域的目标待处理图像。
根据本公开的实施例，噪声可以是指图像中能够引起较强视觉效果的孤立像素点或者像素块。噪声为无用的信息，会产生扰乱图像的可观测信息，影响识别结果的识别精度。可以对目标待处理图像进行降噪重建处理，使得在目标待处理图像包含噪声的情况下，经降噪重建处理后，生成去除噪声或者减少噪声的目标重建图像。
根据本公开的其他实施例，可以对待处理图像进行文本检测处理得到目标待处理图像，并将目标待处理图像作为目标图像。对目标图像进行文本识别处理，得到识别结果。与该种处理方法相比，利用本公开实施例提供的文本识别方法，可以通过降噪重建处理，有效地降低噪声地干扰，提高识别结果的识别精度。
根据本公开的其他实施例，还可以将经过降噪重建处理的目标待处理图像，例如目标重建图像作为目标图像，对目标图像进行文本识别处理，得到识别结果。与该种处理方法相比，利用本公开实施例提供的文本识别方法，能够从目标待处理图像和目标重建图像中确定目标图像，能通过降噪重建处理，有效地降低噪声地干扰的同时，还能通过对目标图像的确定，有效地降低降噪重建处理过程对目标待处理图像的影响，保证目标图像为清晰地、与待处理图像接近程度最高的图像，进而保证识别结果的准确性和可靠性。
根据本公开的其他实施例，还可以先对待处理图像进行降噪重建处理，然后对经过降噪重建处理后的图像进行文本检测处理，得到目标图像。对目标图像进行文本识别处理，得到识别结果。与该种方法相比，利用本公开实施例提供的文本识别方法，可以减少降噪重建处理的处理量，提高处理效率。
图3示意性示出了根据本公开实施例的文本识别方法的流程示意图。
如图3所示，可以利用文本识别模型310来对待处理图像320进行端到端的文本识别处理，得到识别结果330。文本识别模型310包括级联的文本检测子模型311、降噪重建子模型312、和文本识别子模型313。可以将待处理图像320输入至文本检测子模型311中，利用文本检测子模型311对待处理图像320进行文本检测处理，得到目标待处理图像340，例如行文本图像。将目标待处理图像340输入至降噪重建子模型312中，利用降噪重建子模型312对目标待处理图像340进行降噪重建处理，得到目标重建图像350。从目标待处理图像340和目标重建图像350中确定目标图像360。将目标图像360输入至文本识别子模型313中，利用文本识别子模型313对目标图像360进行文本识别处理，得到识别结果330。
根据本公开的实施例，文本检测子模型可以包括EAST(Efficient and AccuracyScene Text)，但是并不局限于此，还可以包括PSENet。只要是OCR技术中的用于进行文本检测处理的深度学习模型即可。
根据本公开的实施例，降噪重建子模型又称去噪重建子模型。降噪重建子模型用于将含有噪声的目标待处理图像作为输入数据，输出去掉噪声的目标重建图像。降噪重建子模型可以包括降噪自编码器(Denoising Auto Encoder，DAE)或者生成对抗网络的生成模型。以降噪自编码器为例，降噪重建子模型可以包括编码模块和解码模块。可以利用编码模块对目标待处理图像进行特征提取，获得数据特征。利用解码模块根据数据特征进行数据重建，得到降噪后的目标重建图像。
根据本公开的实施例，文本识别子模型可以包括CRNN(Convolutional RecurrentNeural Network)，但是并不局限于此，还可以包括注意力机制，只要是用于进行文本识别处理的深度学习模型即可。
根据本公开的实施例，针对操作S230，从待处理图像和目标重建图像中确定目标图像，可以包括如下操作。
例如，确定目标待处理图像和目标重建图像之间的重建损失值。在确定重建损失值大于预定重建损失值阈值的情况下，将目标待处理图像作为目标图像。在确定重建损失值小于或等于预定重建损失值阈值的情况下，将目标重建图像作为目标图像。
根据本公开的实施例，确定重建损失值大于预定重建损失值阈值可以指，目标待处理图像中的噪声较多，经过降噪重建处理后，目标重建图像的噪声减少，在此情况下，可以将目标待处理图像作为目标图像，以提高目标图像的清晰度。确定重建损失值小于或等于预定重建损失值阈值可以指，目标待处理图像中的噪声较少，经过降噪重建处理后，目标重建图像与目标待处理图像之间的差别不大，在此情况下，可以将目标重建图像作为目标图像，以减少对待处理图像的处理，避免因过多的处理而导致地识别精度降低的问题。
根据本公开的实施例，确定目标待处理图像和目标重建图像之间的重建损失值可以包括如下操作。
例如，可以计算目标待处理图像和目标重建图像之间的相似度，将相似度的倒数作为重建损失值，例如，相似度大的重建损失值小，相似度小的重建损失值大。可以提取目标待处理图像和目标重建图像各自的特征向量，计算两个特征向量之间的相似度，进而得到重建损失值。
还例如，针对目标待处理图像中文字区域的任一第一像素点，确定目标重建图像中的与第一像素点相对应的第二像素点。确定第一像素点和第二像素点之间的第一重建损失值。针对目标待处理图像中非文字区域的任一第三像素点，确定目标重建图像中的与第三像素点相对应的第四像素点。确定第三像素点和第四像素点之间的第二重建损失值。基于第一重建损失值和第二重建损失值，得到重建损失值。例如，加权求和第一重建损失值和第二重建损失值，得到重建损失值。
还例如，针对目标待处理图像中文字区域的第一像素点，确定目标重建图像中的与第一像素点相对应的第二像素点。确定第一像素点和第二像素点之间的第一重建损失值，得到多个第一重建损失值。针对目标待处理图像中非文字区域的第三像素点，确定目标重建图像中的与第三像素点相对应的第四像素点。确定第三像素点和第四像素点之间的第二重建损失值，得到多个第二重建损失值。基于多个第一重建损失值和多个第二重建损失值，得到重建损失值。例如，加权求和多个第一重建损失值和多个第二重建损失值，得到重建损失值。
根据本公开的实施例，可以通过重建损失值公式(1)来计算目标待处理图像和目标重建图像之间的重建损失值。
L重建＝∑((Gij-Iij)×aij)2； (1)
其中，L重建表示重建损失值；Gij表示高度为h、宽度为w的目标待处理图像中位置(i，j)的像素点，例如第一像素点或者第三像素点；Iij表示目标重建图像中位置(i，j)的像素点，例如第二像素点或者第四像素点；aij表示权重，其中，文字区域的权重可以大于非文字区域的权重，其中，i＝1～h，j＝1～w。
利用本公开实施例提供的文本识别方法，可以将文字区域的重建效果和非文字区域的重建效果均考虑在内，且配置对应的权重，使得重建损失值确定精准、有效。
还例如，针对目标待处理图像中第五像素点，确定目标重建图像中的与第五像素点相对应的第六像素点。确定第五像素点和第六像素点之间的第三重建损失值，得到多个第三重建损失值。基于多个第三重建损失值，得到重建损失值。
根据本公开的实施例，通过重建损失值公式(2)来计算目标待处理图像和目标重建图像之间的重建损失值。
L′重建＝∑(G′ij-I′ij)2； (2)
其中，其中，L′重建表示重建损失值；G′ij表示高度为h、宽度为w的目标待处理图像中位置(i，j)的第五像素点；I′ij表示目标重建图像中位置(i，j)的第六像素点，其中，i＝1～h，j＝1～w。
利用本公开实施例提供的文本识别方法，可以全目标待处理图像范围进行重建降噪效果的考虑，提高重建损失值的处理效率。
图4示意性示出了根据本公开实施例的用于文本识别的模型的训练方法的流程图。
如图4所示，该方法包括操作S410～S430。
在操作S410，利用目标带噪样本图像和目标样本图像训练初始降噪重建子模型，得到降噪重建子模型。目标带噪样本图像是对目标样本图像进行噪声处理得到的，目标样本图像是利用文本检测子模型处理初始样本图像得到的，降噪重建子模型包括编码模块。
在操作S420，利用目标样本图像和标签训练初始文本识别子模型，得到文本识别子模型。初始文本识别子模型包括编码模块，标签用于指示目标样本图像中的文字。
在操作S430，基于文本检测子模型、降噪重建子模型、和文本识别子模型，得到文本识别模型。
根据本公开的实施例，利用目标带噪样本图像和目标样本图像训练初始降噪重建子模型，得到降噪重建子模型，目标带噪样本图像是对目标样本图像进行噪声处理得到的，因此，可以利用无监督的方式进行训练，提高训练样本的数量的同时，降低训练难度，减少由标注而导致的人力和资源的消耗。
根据本公开的实施例，降噪重建子模型包括编码模块，初始文本识别子模型包括编码模块，即将训练后的降噪重建子模型中的编码模块作为初始文本识别子模型中的例如特征提取模块，可以加快文本识别子模型训练的收敛速度的同时，提高训练效率。
图5A示意性示出了根据本公开实施例的初始降噪重建子模型的训练方法的流程图。
如图5A所示，将初始样本图像510输入至文本检测子模型521中，得到目标样本图像530。对目标样本图像530进行噪声处理，得到目标带噪样本图像540。利用目标带噪样本图像540和目标样本图像530训练初始降噪重建子模型522，得到降噪重建子模型。
如图5A所示，利用目标带噪样本图像540和目标样本图像530训练初始降噪重建子模型522，得到降噪重建子模型可以包括：将目标带噪样本图像540输入至初始降噪重建子模型522中，得到降噪后的样本图像550。基于降噪后的样本图像550和目标样本图像530，确定样本重建损失值。基于样本重建损失值训练初始降噪重建子模型522，得到降噪重建子模型。例如，基于样本重建损失值调整初始降噪重建子模型522的参数，得到降噪重建子模型。
根据本公开的实施例，基于降噪后的样本图像和目标样本图像，确定样本重建损失值可以包括如下操作。
例如，针对降噪后的样本图像中文字区域的第一样本像素点，确定目标样本图像中的与第一样本像素点相对应的第二样本像素点。确定第一样本像素点和第二样本像素点之间的第一样本重建损失值，得到多个第一样本重建损失值。针对降噪后的样本图像中非文字区域的第三样本像素点，确定目标样本图像中的与第三样本像素点相对应的第四样本像素点。确定第三样本像素点和第四样本像素点之间的第二样本重建损失值，得到多个第二样本重建损失值。基于多个第一样本重建损失值和多个第二样本重建损失值，得到样本重建损失值。
根据本公开的实施例，第一样本像素点的确定方式类似于第一像素点的确定方式，第二样本像素点的确定方式类似于第二像素点的确定方式，第三样本像素点的确定方式类似于第三像素点的确定方式，第四样本像素点的确定方式类似于第四像素点的确定方式，样本重建损失值的确定方式类似于重建损失值的公式(1)的确定方式。但是并不局限于此。样本重建损失值的确定方式还可以类似于上述其他实施例中的重建损失值的确定方式，在此不再赘述。
根据本公开的实施例，基于样本重建损失值训练初始降噪重建子模型，得到降噪重建子模型可以包括：基于样本重建损失值调整初始降噪重建子模型的参数，直至样本重建损失值达到收敛，或者调整初始降噪重建子模型的参数的次数达到第一预定轮次阈值，得到降噪重建子模型。
图5B示意性示出了根据本公开实施例的初始文本识别子模型的训练方法的流程图。
如图5B所示，可以将目标样本图像530输入至初始文本识别子模型523中，得到样本识别结果560。利用样本识别结果560和标签570训练初始文本识别子模型523，得到文本识别子模块。
根据本公开的实施例，标签用于表征目标样本图像中的文字。可以将样本识别结果和标签输入至损失函数中，得到损失值。基于损失值，调整初始文本识别子模型的参数，直至损失值收敛或者调整初始文本识别子模型的参数的次数达到第二预定轮次阈值，得到文本识别子模型。损失函数不做限定，例如可以是交叉熵损失函数，只要是能够与初始文本识别子模型相匹配的损失函数即可。
根据本公开的实施例，初始降噪重建子模型可以包括级联的初始编码模块和初始解码模块。训练后的初始降噪重建子模型例如降噪重建子模型可以包括编码模块和解码模块。
根据本公开的实施例，初始文本识别子模型可以包括级联的编码模块和初始分类模块。编码模块可以用于提取目标样本图像中的特征。初始分类模块可以用于基于提取得到的特征，得到识别结果，例如分类结果。初始分类模块可以包括级联的全连接层和激活函数。
根据本公开的实施例，编码模块的作用为提取图像中的特征，与降噪重建子模型中的编码模块的作用相类似。可以将降噪重建子模型的编码模块作为初始文字识别子模型的预训练模块，例如预训练的初始特征提取模块，并载入训练好的参数，进行初始文本识别子模型的整体优化。由于降噪重建子模型的编码模块已具备特征提取的能力，因此可以提高初始文本识别子模型的收敛速度，进而提高初始文本识别子模型的训练效率。
图6示意性示出了根据本公开实施例的文本识别装置的框图。
如图6所示，文本识别装置600包括检测模块610、重建模块620、确定模块630、以及识别模块640。
检测模块610，用于对待处理图像进行文本检测处理，得到目标待处理图像。
重建模块620，用于对目标待处理图像进行降噪重建处理，得到目标重建图像。
确定模块630，用于从目标待处理图像和目标重建图像中确定目标图像。
识别模块640，用于对目标图像进行文本识别处理，得到识别结果。
根据本公开的实施例，确定模块包括第一确定单元、第二确定单元、以及第三确定单元。
第一确定单元，用于确定目标待处理图像和目标重建图像之间的重建损失值。
第二确定单元，用于在确定重建损失值大于预定重建损失值阈值的情况下，将目标待处理图像作为目标图像。
第三确定单元，用于在确定重建损失值小于或等于预定重建损失值阈值的情况下，将目标重建图像作为目标图像。
根据本公开的实施例，第一确定单元包括第一确定子单元、第二确定子单元、第三确定子单元、第四确定子单元、以及第五确定子单元。
第一确定子单元，用于针对目标待处理图像中文字区域的第一像素点，确定目标重建图像中的与第一像素点相对应的第二像素点。
第二确定子单元，用于确定第一像素点和第二像素点之间的第一重建损失值，得到多个第一重建损失值。
第三确定子单元，用于针对目标待处理图像中非文字区域的第三像素点，确定目标重建图像中的与第三像素点相对应的第四像素点。
第四确定子单元，用于确定第三像素点和第四像素点之间的第二重建损失值，得到多个第二重建损失值。
第五确定子单元，用于基于多个第一重建损失值和多个第二重建损失值，得到重建损失值。
图7示意性示出了根据本公开实施例的用于文本识别的模型的训练装置的框图。
如图7所示，用于文本识别的模型的训练装置700包括重建训练模块710、识别训练模块720、以及训练确定模块730。
重建训练模块710，用于利用目标带噪样本图像和目标样本图像训练初始降噪重建子模型，得到降噪重建子模型，其中，目标带噪样本图像是对目标样本图像进行噪声处理得到的，目标样本图像是利用文本检测子模型处理初始样本图像得到的，降噪重建子模型包括编码模块。
识别训练模块720，用于利用目标样本图像和标签训练初始文本识别子模型，得到文本识别子模型，其中，初始文本识别子模型包括编码模块，标签用于指示目标样本图像中的文字。
训练确定模块730，用于基于文本检测子模型、降噪重建子模型、和文本识别子模型，得到文本识别模型。
根据本公开的实施例，重建训练模块包括第一输入单元、第一训练确定单元、以及第二训练确定单元。
第一输入单元，用于将目标带噪样本图像输入至初始降噪重建子模型中，得到降噪后的样本图像。
第一训练确定单元，用于基于降噪后的样本图像和目标样本图像，确定样本重建损失值。
第二训练确定单元，用于基于样本重建损失值训练初始降噪重建子模型，得到降噪重建子模型。
根据本公开的实施例，第一训练确定单元包括第一训练确定子单元、第二训练确定子单元、第三训练确定子单元、第四训练确定子单元、以及第五训练确定子单元。
第一训练确定子单元，用于针对降噪后的样本图像中文字区域的第一样本像素点，确定目标样本图像中的与第一样本像素点相对应的第二样本像素点。
第二训练确定子单元，用于确定第一样本像素点和第二样本像素点之间的第一样本重建损失值，得到多个第一样本重建损失值。
第三训练确定子单元，用于针对降噪后的样本图像中非文字区域的第三样本像素点，确定目标样本图像中的与第三样本像素点相对应的第四样本像素点。
第四训练确定子单元，用于确定第三样本像素点和第四样本像素点之间的第二样本重建损失值，得到多个第二样本重建损失值。
第五训练确定子单元，用于基于多个第一样本重建损失值和多个第二样本重建损失值，得到样本重建损失值。
根据本公开的实施例，识别训练模块包括第二输入单元、以及第六训练确定单元。
第二输入单元，用于将目标样本图像输入至初始文本识别子模型中，得到样本识别结果。
第六训练确定单元，用于利用样本识别结果和标签训练初始文本识别子模型，得到文本识别子模块。
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，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如本公开实施例的方法。
根据本公开的实施例，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如本公开实施例的方法。
根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开实施例的方法。
图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如文本识别方法。例如，在一些实施例中，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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的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801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，也可以是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 (12)
1.一种文本识别方法，包括：
对待处理图像进行文本检测处理，得到目标待处理图像；
对所述目标待处理图像进行降噪重建处理，得到目标重建图像；
从所述目标待处理图像和所述目标重建图像中确定目标图像；以及
对所述目标图像进行文本识别处理，得到识别结果；
其中，所述从所述目标待处理图像和所述目标重建图像中确定目标图像，包括：
确定所述目标待处理图像和所述目标重建图像之间的重建损失值，其中，所述重建损失值用于表征所述目标待处理图像和所述目标重建图像之间的相似度；
在确定所述重建损失值大于预定重建损失值阈值的情况下，将所述目标待处理图像作为所述目标图像；以及
在确定所述重建损失值小于或等于所述预定重建损失值阈值的情况下，将所述目标重建图像作为所述目标图像；
其中，所述确定所述目标待处理图像和所述目标重建图像之间的重建损失值，包括：
针对所述目标待处理图像中文字区域的第一像素点，确定所述目标重建图像中的与所述第一像素点相对应的第二像素点；
确定所述第一像素点和所述第二像素点之间的第一重建损失值；
针对所述目标待处理图像中非文字区域的第三像素点，确定所述目标重建图像中的与所述第三像素点相对应的第四像素点；
确定所述第三像素点和所述第四像素点之间的第二重建损失值；以及
加权求和所述第一重建损失值和所述第二重建损失值，得到所述重建损失值。
2.根据权利要求1所述的方法，其中，所述确定所述目标待处理图像和所述目标重建图像之间的重建损失值，包括：
针对所述目标待处理图像中文字区域的第一像素点，确定所述目标重建图像中的与所述第一像素点相对应的第二像素点；
确定所述第一像素点和所述第二像素点之间的第一重建损失值，得到多个所述第一重建损失值；
针对所述目标待处理图像中非文字区域的第三像素点，确定所述目标重建图像中的与所述第三像素点相对应的第四像素点；
确定所述第三像素点和所述第四像素点之间的第二重建损失值，得到多个所述第二重建损失值；以及
加权求和多个所述第一重建损失值和多个所述第二重建损失值，得到所述重建损失值。
3.一种用于文本识别的模型的训练方法，包括：
利用目标带噪样本图像和目标样本图像训练初始降噪重建子模型，得到降噪重建子模型，其中，所述目标带噪样本图像是对所述目标样本图像进行噪声处理得到的，所述目标样本图像是利用文本检测子模型处理初始样本图像得到的，所述降噪重建子模型包括编码模块；
利用目标样本图像和标签训练初始文本识别子模型，得到文本识别子模型，其中，所述初始文本识别子模型包括所述编码模块，所述标签用于指示所述目标样本图像中的文字；以及
基于所述文本检测子模型、所述降噪重建子模型、和所述文本识别子模型，得到文本识别模型；
其中，所述利用目标带噪样本图像和目标样本图像训练初始降噪重建子模型，得到降噪重建子模型，包括：
将所述目标带噪样本图像输入至所述初始降噪重建子模型中，得到降噪后的样本图像；
基于所述降噪后的样本图像和所述目标样本图像，确定样本重建损失值；以及
基于所述样本重建损失值训练所述初始降噪重建子模型，得到所述降噪重建子模型；
其中，所述基于所述降噪后的样本图像和所述目标样本图像，确定样本重建损失值，包括：
针对所述降噪后的样本图像中文字区域的第一样本像素点，确定所述目标样本图像中的与所述第一样本像素点相对应的第二样本像素点；
确定所述第一样本像素点和所述第二样本像素点之间的第一样本重建损失值；
针对所述降噪后的样本图像中非文字区域的第三样本像素点，确定所述目标样本图像中的与所述第三样本像素点相对应的第四样本像素点；
确定所述第三样本像素点和所述第四样本像素点之间的第二样本重建损失值；以及
加权求和所述第一样本重建损失值和所述第二样本重建损失值，得到所述样本重建损失值。
4.根据权利要求3所述的方法，其中，所述基于所述降噪后的样本图像和所述目标样本图像，确定样本重建损失值，包括：
针对所述降噪后的样本图像中文字区域的第一样本像素点，确定所述目标样本图像中的与所述第一样本像素点相对应的第二样本像素点；
确定所述第一样本像素点和所述第二样本像素点之间的第一样本重建损失值，得到多个所述第一样本重建损失值；
针对所述降噪后的样本图像中非文字区域的第三样本像素点，确定所述目标样本图像中的与所述第三样本像素点相对应的第四样本像素点；
确定所述第三样本像素点和所述第四样本像素点之间的第二样本重建损失值，得到多个所述第二样本重建损失值；以及
加权求和多个所述第一样本重建损失值和多个所述第二样本重建损失值，得到所述样本重建损失值。
5.根据权利要求3所述的方法，其中，所述利用目标样本图像和标签训练初始文本识别子模型，得到文本识别子模型，包括：
将所述目标样本图像输入至所述初始文本识别子模型中，得到样本识别结果；以及
利用所述样本识别结果和所述标签训练所述初始文本识别子模型，得到所述文本识别子模块。
6.一种文本识别装置，包括：
检测模块，用于对待处理图像进行文本检测处理，得到目标待处理图像；
重建模块，用于对所述目标待处理图像进行降噪重建处理，得到目标重建图像；
确定模块，用于从所述目标待处理图像和所述目标重建图像中确定目标图像；以及
识别模块，用于对所述目标图像进行文本识别处理，得到识别结果；
其中，所述确定模块包括：
第一确定单元，用于确定所述目标待处理图像和所述目标重建图像之间的重建损失值，其中，所述重建损失值用于表征所述目标待处理图像和所述目标重建图像之间的相似度；
第二确定单元，用于在确定所述重建损失值大于预定重建损失值阈值的情况下，将所述目标待处理图像作为所述目标图像；以及
第三确定单元，用于在确定所述重建损失值小于或等于所述预定重建损失值阈值的情况下，将所述目标重建图像作为所述目标图像；
其中，所述确定所述目标待处理图像和所述目标重建图像之间的重建损失值，包括：
针对所述目标待处理图像中文字区域的第一像素点，确定所述目标重建图像中的与所述第一像素点相对应的第二像素点；
确定所述第一像素点和所述第二像素点之间的第一重建损失值；
针对所述目标待处理图像中非文字区域的第三像素点，确定所述目标重建图像中的与所述第三像素点相对应的第四像素点；
确定所述第三像素点和所述第四像素点之间的第二重建损失值；以及
加权求和所述第一重建损失值和所述第二重建损失值，得到所述重建损失值。
7.根据权利要求6所述的装置，其中，所述第一确定单元包括：
第一确定子单元，用于针对所述目标待处理图像中文字区域的第一像素点，确定所述目标重建图像中的与所述第一像素点相对应的第二像素点；
第二确定子单元，用于确定所述第一像素点和所述第二像素点之间的第一重建损失值，得到多个所述第一重建损失值；
第三确定子单元，用于针对所述目标待处理图像中非文字区域的第三像素点，确定所述目标重建图像中的与所述第三像素点相对应的第四像素点；
第四确定子单元，用于确定所述第三像素点和所述第四像素点之间的第二重建损失值，得到多个所述第二重建损失值；以及
第五确定子单元，用于加权求和多个所述第一重建损失值和多个所述第二重建损失值，得到所述重建损失值。
8.一种用于文本识别的模型的训练装置，包括：
重建训练模块，用于利用目标带噪样本图像和目标样本图像训练初始降噪重建子模型，得到降噪重建子模型，其中，所述目标带噪样本图像是对所述目标样本图像进行噪声处理得到的，所述目标样本图像是利用文本检测子模型处理初始样本图像得到的，所述降噪重建子模型包括编码模块；
识别训练模块，用于利用目标样本图像和标签训练初始文本识别子模型，得到文本识别子模型，其中，所述初始文本识别子模型包括所述编码模块，所述标签用于指示所述目标样本图像中的文字；以及
训练确定模块，用于基于所述文本检测子模型、所述降噪重建子模型、和所述文本识别子模型，得到文本识别模型；
其中，所述重建训练模块包括：
第一输入单元，用于将所述目标带噪样本图像输入至所述初始降噪重建子模型中，得到降噪后的样本图像；
第一训练确定单元，用于基于所述降噪后的样本图像和所述目标样本图像，确定样本重建损失值；以及
第二训练确定单元，用于基于所述样本重建损失值训练所述初始降噪重建子模型，得到所述降噪重建子模型；
其中，所述基于所述降噪后的样本图像和所述目标样本图像，确定样本重建损失值，包括：
针对所述降噪后的样本图像中文字区域的第一样本像素点，确定所述目标样本图像中的与所述第一样本像素点相对应的第二样本像素点；
确定所述第一样本像素点和所述第二样本像素点之间的第一样本重建损失值；
针对所述降噪后的样本图像中非文字区域的第三样本像素点，确定所述目标样本图像中的与所述第三样本像素点相对应的第四样本像素点；
确定所述第三样本像素点和所述第四样本像素点之间的第二样本重建损失值；以及
加权求和所述第一样本重建损失值和所述第二样本重建损失值，得到所述样本重建损失值。
9.根据权利要求8所述的装置，其中，所述第一训练确定单元包括：
第一训练确定子单元，用于针对所述降噪后的样本图像中文字区域的第一样本像素点，确定所述目标样本图像中的与所述第一样本像素点相对应的第二样本像素点；
第二训练确定子单元，用于确定所述第一样本像素点和所述第二样本像素点之间的第一样本重建损失值，得到多个所述第一样本重建损失值；
第三训练确定子单元，用于针对所述降噪后的样本图像中非文字区域的第三样本像素点，确定所述目标样本图像中的与所述第三样本像素点相对应的第四样本像素点；
第四训练确定子单元，用于确定所述第三样本像素点和所述第四样本像素点之间的第二样本重建损失值，得到多个所述第二样本重建损失值；以及
第五训练确定子单元，用于加权求和多个所述第一样本重建损失值和多个所述第二样本重建损失值，得到所述样本重建损失值。
10.根据权利要求8所述的装置，其中，所述识别训练模块包括：
第二输入单元，用于将所述目标样本图像输入至所述初始文本识别子模型中，得到样本识别结果；以及
第六训练确定单元，用于利用所述样本识别结果和所述标签训练所述初始文本识别子模型，得到所述文本识别子模块。
11.一种电子设备，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至5中任一项所述的方法。
12.一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至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210531978.5A CN114724144B (zh) | 2022-05-16 | 2022-05-16 | 文本识别方法、模型的训练方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210531978.5A CN114724144B (zh) | 2022-05-16 | 2022-05-16 | 文本识别方法、模型的训练方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114724144A CN114724144A (zh) | 2022-07-08 |
| CN114724144B true CN114724144B (zh) | 2024-02-09 |
Family
ID=82231164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210531978.5A Active CN114724144B (zh) | 2022-05-16 | 2022-05-16 | 文本识别方法、模型的训练方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114724144B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116452741B (zh) * | 2023-04-20 | 2024-03-01 | 北京百度网讯科技有限公司 | 对象重建方法、对象重建模型的训练方法、装置及设备 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156966A (zh) * | 2011-04-11 | 2011-08-17 | 北方工业大学 | 医学图像去噪 |
| CN109410239A (zh) * | 2018-11-07 | 2019-03-01 | 南京大学 | 一种基于条件生成对抗网络的文本图像超分辨率重建方法 |
| CN110110715A (zh) * | 2019-04-30 | 2019-08-09 | 北京金山云网络技术有限公司 | 文本检测模型训练方法、文本区域、内容确定方法和装置 |
| CN111062389A (zh) * | 2019-12-10 | 2020-04-24 | 腾讯科技（深圳）有限公司 | 文字识别方法、装置、计算机可读介质及电子设备 |
| CN113284065A (zh) * | 2021-05-26 | 2021-08-20 | Oppo广东移动通信有限公司 | 视频图像的去噪方法、装置、电子设备和可读存储介质 |
| CN113313022A (zh) * | 2021-05-27 | 2021-08-27 | 北京百度网讯科技有限公司 | 文字识别模型的训练方法和识别图像中文字的方法 |
| CN113378833A (zh) * | 2021-06-25 | 2021-09-10 | 北京百度网讯科技有限公司 | 图像识别模型训练方法、图像识别方法、装置及电子设备 |
| CN113378832A (zh) * | 2021-06-25 | 2021-09-10 | 北京百度网讯科技有限公司 | 文本检测模型训练方法、文本预测框方法及装置 |
| WO2021218765A1 (zh) * | 2020-04-27 | 2021-11-04 | 深圳市中兴微电子技术有限公司 | 图像去噪方法及装置、电子设备以及存储介质 |
| CN113962383A (zh) * | 2021-10-15 | 2022-01-21 | 北京百度网讯科技有限公司 | 模型的训练方法、目标跟踪方法、装置、设备和存储介质 |
| CN114299528A (zh) * | 2021-12-27 | 2022-04-08 | 万达信息股份有限公司 | 一种针对扫描文档的信息提取和结构化方法 |
| CN114373178A (zh) * | 2021-12-27 | 2022-04-19 | 电子科技大学广东电子信息工程研究院 | 一种图片文字检测与识别方法及系统 |
| CN114445831A (zh) * | 2022-01-14 | 2022-05-06 | 北京百度网讯科技有限公司 | 一种图文预训练方法、装置、设备以及存储介质 |
| CN114494747A (zh) * | 2022-01-28 | 2022-05-13 | 北京百度网讯科技有限公司 | 模型的训练方法、图像处理方法、装置、电子设备及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11756288B2 (en) * | 2022-01-05 | 2023-09-12 | Baidu Usa Llc | Image processing method and apparatus, electronic device and storage medium |
-
2022
- 2022-05-16 CN CN202210531978.5A patent/CN114724144B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102156966A (zh) * | 2011-04-11 | 2011-08-17 | 北方工业大学 | 医学图像去噪 |
| CN109410239A (zh) * | 2018-11-07 | 2019-03-01 | 南京大学 | 一种基于条件生成对抗网络的文本图像超分辨率重建方法 |
| CN110110715A (zh) * | 2019-04-30 | 2019-08-09 | 北京金山云网络技术有限公司 | 文本检测模型训练方法、文本区域、内容确定方法和装置 |
| CN111062389A (zh) * | 2019-12-10 | 2020-04-24 | 腾讯科技（深圳）有限公司 | 文字识别方法、装置、计算机可读介质及电子设备 |
| WO2021218765A1 (zh) * | 2020-04-27 | 2021-11-04 | 深圳市中兴微电子技术有限公司 | 图像去噪方法及装置、电子设备以及存储介质 |
| CN113284065A (zh) * | 2021-05-26 | 2021-08-20 | Oppo广东移动通信有限公司 | 视频图像的去噪方法、装置、电子设备和可读存储介质 |
| CN113313022A (zh) * | 2021-05-27 | 2021-08-27 | 北京百度网讯科技有限公司 | 文字识别模型的训练方法和识别图像中文字的方法 |
| CN113378833A (zh) * | 2021-06-25 | 2021-09-10 | 北京百度网讯科技有限公司 | 图像识别模型训练方法、图像识别方法、装置及电子设备 |
| CN113378832A (zh) * | 2021-06-25 | 2021-09-10 | 北京百度网讯科技有限公司 | 文本检测模型训练方法、文本预测框方法及装置 |
| CN113962383A (zh) * | 2021-10-15 | 2022-01-21 | 北京百度网讯科技有限公司 | 模型的训练方法、目标跟踪方法、装置、设备和存储介质 |
| CN114299528A (zh) * | 2021-12-27 | 2022-04-08 | 万达信息股份有限公司 | 一种针对扫描文档的信息提取和结构化方法 |
| CN114373178A (zh) * | 2021-12-27 | 2022-04-19 | 电子科技大学广东电子信息工程研究院 | 一种图片文字检测与识别方法及系统 |
| CN114445831A (zh) * | 2022-01-14 | 2022-05-06 | 北京百度网讯科技有限公司 | 一种图文预训练方法、装置、设备以及存储介质 |
| CN114494747A (zh) * | 2022-01-28 | 2022-05-13 | 北京百度网讯科技有限公司 | 模型的训练方法、图像处理方法、装置、电子设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 一种复杂版面扭曲文档图像快速校正方法;曾凡锋;段漾波;;计算机应用与软件(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114724144A (zh) | 2022-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
| CN112559800B (zh) | 用于处理视频的方法、装置、电子设备、介质和产品 | |
| CN113971751A (zh) | 训练特征提取模型、检测相似图像的方法和装置 | |
| CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
| CN113239807B (zh) | 训练票据识别模型和票据识别的方法和装置 | |
| CN112861885A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| CN114429633B (zh) | 文本识别方法、模型的训练方法、装置、电子设备及介质 | |
| CN114863437B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
| CN112800919A (zh) | 一种检测目标类型视频方法、装置、设备以及存储介质 | |
| CN115861131A (zh) | 基于图像生成视频、模型的训练方法、装置及电子设备 | |
| CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
| CN114549904B (zh) | 视觉处理及模型训练方法、设备、存储介质及程序产品 | |
| CN115937039A (zh) | 数据扩充方法、装置、电子设备及可读存储介质 | |
| CN114724144B (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
| CN114495101A (zh) | 文本检测方法、文本检测网络的训练方法及装置 | |
| CN113989152A (zh) | 图像增强方法、装置、设备以及存储介质 | |
| CN114120454A (zh) | 活体检测模型的训练方法、装置、电子设备及存储介质 | |
| CN113902899A (zh) | 训练方法、目标检测方法、装置、电子设备以及存储介质 | |
| CN115496916B (zh) | 图像识别模型的训练方法、图像识别方法以及相关装置 | |
| CN114882334B (zh) | 用于生成预训练模型的方法、模型训练方法及装置 | |
| CN116363444A (zh) | 模糊分类模型训练方法、识别模糊图像的方法及装置 | |
| CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
| CN115565186A (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
| CN114943995A (zh) | 人脸识别模型的训练方法、人脸识别方法及装置 | |
| CN114612971A (zh) | 人脸检测方法、模型训练方法、电子设备及程序产品 |
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 |