CN114973258A - 图像处理方法和装置 - Google Patents
图像处理方法和装置 Download PDFInfo
- Publication number
- CN114973258A CN114973258A CN202210564943.1A CN202210564943A CN114973258A CN 114973258 A CN114973258 A CN 114973258A CN 202210564943 A CN202210564943 A CN 202210564943A CN 114973258 A CN114973258 A CN 114973258A
- Authority
- CN
- China
- Prior art keywords
- recognition result
- confidence
- image
- obtaining
- label
- 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
- 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
- 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
- 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
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Character Input (AREA)
Abstract
本公开提供了一种图像处理方法和装置,涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,可应用于OCR等场景。实现方案为:获得包括沿第一方向排列的多个字符的目标图像,多个字符中的每一个字符来自预设字符集并且在预设标签集中具有相应的标签;获得目标图像对应的识别结果集,识别结果集中的每一个识别结果包括来自预设标签集的按顺序排列的多个标签和该多个标签中的每一个标签的置信度;以及基于识别结果集,获得目标图像的图像标签,图像标签包括来自预设标签集的按顺序排列的多个标签。
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、图像处理、计算机视觉技术领域,可应用于OCR等场景,具体涉及一种图像处理方法、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。
基于人工智能的图像处理技术,已经渗透到各个领域。其中,基于人工智能的光学字符识别(OCR)技术,通过对图像进行处理,识别图像上的形状,并将所识别的形状翻译成字符。
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
本公开提供了一种图像处理方法、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,提供了一种图像处理方法,包括:获得包括沿第一方向排列的多个字符的目标图像,所述多个字符中的每一个字符来自预设字符集并且在预设标签集中具有相应的标签;获得所述目标图像对应的识别结果集,所述识别结果集中的每一个识别结果包括来自所述预设标签集的按顺序排列的多个标签和该多个标签中的每一个标签的置信度;以及基于所述识别结果集,获得所述目标图像的图像标签,所述图像标签包括来自所述预设标签集的按顺序排列的多个标签。
根据本公开的另一方面,提供了一种图像处理装置,包括:目标图像获取单元,被配置用于获得包括沿第一方向排列的多个字符的目标图像,所述多个字符中的每一个字符来自预设字符集并且在预设标签集中具有相应的标签;识别结果获取单元,被配置用于获得所述目标图像对应的识别结果集,所述识别结果集中的每一个识别结果包括来自所述预设标签集的按顺序排列的多个标签和该多个标签中的每一个标签的置信度;以及图像标签获取单元,被配置用于基于所述识别结果集,获得所述目标图像的图像标签,所述图像标签包括来自所述预设标签集的按顺序排列的多个标签。
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根据本公开的实施例所述的方法。
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根据本公开的实施例所述的方法。
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,其中,所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
根据本公开的一个或多个实施例,可以获得准确度高的目标图像的图像标签。在将该图像标签应用于模型训练过程中时,大大减少人工标注成本。
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图像处理方法的流程图;
图3示出了根据本公开的实施例的图像处理方法中基于识别结果集获得目标图像的图像标签的过程的流程图;
图4示出了根据本公开的实施例的图像处理方法中基于多个识别结果子集获得图像标签的过程的流程图;
图5示出了根据本公开的实施例的图像处理方法中基于多个识别结果子集中的一个或多个候选识别结果子集,获得图像标签的过程的流程图;
图6示出了根据本公开的实施例的图像处理方法中基于该候选识别结果子集的多个识别结果获得该候选识别结果子集所对应的按顺序排列的多个标签中的每一个标签的统计置信度的过程的流程图;
图7示出了根据本公开的实施例的图像处理方法中对多个置信度进行矫正的过程的流程图;
图8示出了根据本公开的实施例的图像处理方法中对多个置信度进行矫正的过程的流程图;
图9示出了根据本公开的实施例的图像处理方法中基于一个或多个候选识别结果子集中的每一个候选识别结果子集所对应的按顺序排列的多个标签和该多个标签中的每一个标签的统计置信度获得图像标签的过程的流程图;
图10示出了根据本公开的实施例的图像处理装置的结构框图;以及
图11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。
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图像处理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还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。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来接收图像标签。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、区块链网络、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,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
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。
根据本公开的一方面,提供了一种图像处理方法。如图2所示,图像处理方法200包括:
步骤S210:获得包括沿第一方向排列的多个字符的目标图像,所述多个字符中的每一个字符来自预设字符集并且在预设标签集中具有相应的标签;
步骤S220:获得所述目标图像对应的识别结果集,所述识别结果集中的每一个识别结果包括来自所述预设标签集的按顺序排列的多个标签和该多个标签中的每一个标签的置信度;以及
步骤S230:基于所述识别结果集,获得所述目标图像的图像标签,所述图像标签包括来自所述预设标签集的按顺序排列的多个标签。
通过对目标图像采用多个识别模型进行识别,以获得识别结果集,并对多个识别模型获得识别结果集进行筛选,以获得目标图像的图像标签,可以提升所获得的图像标签的准确性。在一些情况下,将所获得的图像标签进一步用于训练图像识别模型,可以减少人工标注的成本。
在相关技术中,针对图像中的字符识别,往往采用人工标注。由于字符种类繁多,使得标注成本较大。为了减少标注成本,往往针对包含特定类型的字符的图像的识别,训练其相应的模型。例如,针对包含由汉字字符构成的地址和由数字字符构成的身份证号码的身份证图像,训练身份证识别模型,进行身份证识别。但是,该模型难以应用于其他图像的识别,使得模型的泛化能力较差。
在根据本公开的实施例中,通过多个类型的识别模型,获得目标图像的识别结构集,并基于该识别结果集获得目标图像的图像标签,使所获得的图像标签是考虑了多个类型的识别模型的识别结果的,所获得的图像标签准确。同时,由于多个类型的识别模型分别可以针对包含特定类型的字符的图像进行识别,使得可以实现针对同时包含多个类型字符的图像的识别,从而拓展可以被识别的图像的范围。在将该目标图像和图像标签应用于模型训练的过程中时,减少数据收集成本和标注成本,同时能够使所训练的模型泛化能力强。
需要说明的是,上述将目标图像和图像标签用于模型训练过程仅仅是示例性的,本领域技术人员应当理解,可以仅将上述图像标签作为识别结果,以使根据本公开的图像处理方法用于图像识别过程,在此并不限定。
在一些实施例中,目标图像可以是任意包含有多个字符的图像,其中多个字符可以是英文字符、汉字字符、数字字符以及符号字符等,在此并不限定。
在一些实施例中,预设字符集可以是包含52个英文字符(含大小写)的英文字符集、包含预设数量的汉字字符的汉字字符集、包含10个数字的数字字符集,包含预设数量的符号字符的符号字符集,等等,在此并不限定。
在一些实施例中,预设字符集与预设标签集对应,即预设字符集中的每一个字符在预设标签集中具有对应的标签,通过该对应的标签可以获得该字符。在一些实施例中,预设标签集被表示为X={xi},其中,x表示标签,i在[1,l]的范围内取值,并且为正整数,从而使得预设标签集包括x1,x2,x3,……,xl。
在一些实施例中,第一方向可以是目标图像中的任意方向,例如从左到右方向。
在一些实施例中,步骤S210、获得包括沿第一方向排列的多个字符的目标图像可以包括:识别待处理图像中的目标区域,其中目标区域包含沿第一方向排列的多个字符;基于该目标区域,以获得所述目标图像。
在一些实施例中,目标图像为该目标区域。
在一些实施例中,将该目标区域放大至预设倍数,以获得该目标图像。
在一些实施例中,步骤S220、获得所述目标图像对应的识别结果集包括:
将所述目标图像分别输入至对应于多个分类的多个识别模型,以获得所述识别结果集,其中,
所述多个识别模型分别采用所述多个分类中的对应分类的多个训练图像训练而获得的,所述对应分类的多个训练图像中的每一个训练图像包括来自所述预设字符集中的多个字符。
通过利用对应于多个分类的多个识别模型,获得识别结果集,实现识别结果集的获取。
在一些实施例中,所述多个分类包括对应于多个卡证类型的多个卡证分类、分别对应于多个医疗单据类型的多个医疗单据分类和/或分别对应于多个财务单据类型的多个财务单据分类。
例如,多个卡证类型可以包括身份证类型、护照类型、医疗卡类型等等;多个医疗单据类型可以包括处方单、医疗费用凭证单等等;多个财务单据类型可以包括报销单,账单等等,在此并不限定。
在一些实施例中,多个识别模型被分别训练用来识别对应分类的图像中的字符。由于各个分类的图像所包括的字符中可能存在部分相同的字符,因而针对目标图像,采用该多个识别模型进行识别后,所得到的识别结果集中,可能存在相应的一个或多个识别结果,该相应的一个或多个识别结果中每一个识别结果所包括的按顺序排列的多个标签相同。因而,能够基于该一个或多个相应的识别结果,获得准确的图像标签。
在一些实施例中,采用多个识别模型获得的目标图像对应的识别结果集表示为M={mi},其中,m表示识别结果,i在[1,n]的范围内取值,并且为正整数,从而使得M包括m1,m2,m3,……,mn。识别结果mi包括按顺序排列的多个标签。该按顺序排列的多个标签来自预设标签集X={xi}。
在一些实施例中,识别结果被表示为mi=[xa,xb,xc…xz],a,b,c,…,z根据i不同而不同,并且在[1,l]内取值。
在一个示例中,识别结果集M={m1,m2,m3,…,m7},其中,m1=[x1,x2,x3],m2=[x1,x2,x3],m3=[x1,x2,x3,x4],m4=[x1,x2,x3,x5],m5=[x1,x2,x3,x4],m6=[x1,x2,x3,x5],m7=[x1,x2,x3,x5]。
在一些实施例中,响应于确定所述识别结果集中的任意两个识别结果所包括的按顺序排列的多个标签均相同,将该按顺序排列的多个标签作为该图像的图像标签。
在一些实施例中,响应于确定所述识别结果集中的任一识别结果所包括的按顺序排列的多个标签与另一识别结果所包括的按顺序排列的多个标签均不同,将该目标图像确定为待确定图像。后续通过其他识别方法(例如,人工识别的方法)等方法获得待确定图像的图像标签。
在一些实施例中,如图3所示,步骤S230、基于所述识别结果集,获得所述目标图像的图像标签包括:
步骤S310:响应于所述识别结果集中的第一识别结果所包括的多个标签与第二识别结果所包括的多个标签相同并且与第三识别结果所包括的多个标签不同,获得多个识别结果子集,其中,在所述多个别结果子集中的每一个识别结果子集中,任一识别结果所包括的按顺序排列的多个标签与另一识别结果所包括按顺序排列的多个标签相同;以及
步骤S320:基于所述多个识别结果子集,获得所述图像标签。
在识别结果集中存在有至少两个识别结果所包括的按顺序排列的多个标签相同的情况下,通过从识别结果集中获得多个识别结果子集,每一个识别结果子集所包含的各个识别结果所包括的按顺序排列的多个标签相同,并基于该多个识别结果子集获得图像标签,使图像标签是基于识别结果集中包括相同按顺序排列的多个标签的多个识别结果获得的,提升所获得的图像标签的准确性的同时,减少数据处理量。
在一个示例中,识别结果集M={m1,m2,m3,…,m7},其中,m1=[x1,x2,x3],m2=[x1,x2,x3],m3=[x1,x2,x3,x4],m4=[x1,x2,x3,x5],m5=[x1,x2,x3,x4],m6=[x1,x2,x3,x5],m7=[x1,x2,x3,x5]。从识别结果集M中获得多个识别结果子集分别表示为M1,M2,M3,其中,M1={m1,m2};M2={m3,m5};M3={m4,m6,m7}。其中,M1对应于[x1,x2,x3],M2对应于[x1,x2,x3,x4],M3对应于[x1,x2,x3,x5]。
在一些实施例中,如图4所示,步骤S320、基于所述多个识别结果子集,获得所述图像标签包括:
步骤S410:响应于所述多个识别结果子集中的第一识别结果子集的标签数量不小于任一识别结果子集的标签数量,将所述第一识别结果子集确定为候选识别结果子集,其中,所述多个识别结果子集中的每一个识别结果子集的标签数量为该识别结果子集所对应的按顺序排列的多个标签的数量;以及
步骤S420:基于所述多个识别结果子集中的一个或多个候选识别结果子集,获得所述图像标签。
将对应的标签数量最大的识别的结果子集作为候选识别结果子集,以获得图像标签,提升准确性。
考虑到对应于多个分类的多个识别模型分别是经训练的用于识别对应分类的图像中的字符的模型,在目标图像包括该对应分类的图像所可能包括的字符以外的其他字符时,该识别模型很可能无法识别该其他字符,使得所获得的识别结果中所包含的按顺序排列的字符的数量小于目标图像中所包括的沿第一方向排列的多个字符的数量。在获得目标图像的图像标签时,排除这一部分无法获得目标图像中所有字符对应的标签的识别模型的识别结果,基于至少能够获得目标图像中所有字符对应的标签的识别模型的识别结果获得目标图像的图像标签,提升所获得图像标签的准确性,同时,由于减少了基于其获得图像标签的识别结果的数量,减少了数据处理量。
在一个示例中,多个识别结果子集包括M1,M2,和M3,其中,M1对应于[x1,x2,x3],M2对应于[x1,x2,x3,x4],M3对应于[x1,x2,x3,x5]。通过步骤S410,将M2和M3确定为候选识别结果子集。
在一些实施例中,如图5所示,步骤S420、基于所述多个识别结果子集中的一个或多个候选识别结果子集,获得所述图像标签包括:
步骤S510:针对所述一个或多个候选识别结果子集中的每一个候选识别结果子集,基于该候选识别结果子集的多个识别结果,获得该候选识别结果子集所对应的按顺序排列的多个标签中的每一个标签的统计置信度;以及
步骤S520:基于所述一个或多个候选识别结果子集中的每一个候选识别结果子集所对应的按顺序排列的多个标签和该多个标签中的每一个标签的统计置信度,获得所述图像标签。
针对每个候选识别结果子集,通过计算该候选识别结果子集的多个标签的统计置信度,获得图像标签,使得获得图像标签的过程考虑了该候选识别结果子集中每一个识别结果,提升所获得的图像标签的准确性。
可以理解,统计置信度是考虑可候选识别结果子集中每一个识别结果的置信度,例如,可以是加权置信度、平均置信度、总和置信度等等,在此并不限定。
在一个示例中,M2和M3为候选识别结果子集,其中,M2={m3,m5},M3={m4,m6,m7},并且M2对应于[x1,x2,x3,x4],M3对应于[x1,x2,x3,x5]。
在步骤S510中,针对候选结果子集M2所对应的四个标签,x1,x2,x3,x4,分别获得在识别结果m3中的置信度,即(置信度中的下标指示对应的识别结果,上标指示对应的标签,后同);分别获得在识别结果m5中的置信度,即同样,针对候选结果子集M3所对应的四个标签,x1,x2,x3,x5,分别获得在识别结果m4中的置信度,即 分别获得在识别结果m6中的置信度,即分别获得在识别结果m7中的置信度,即
进一步,在步骤S510中,基于针对候选结果子集M2所对应的四个标签,x1,x2,x3,x4,分别基于所获得的置信度获得统计置信度;即针对标签x1,基于置信度和获得统计置信度(统计置信度中的下标指示对应的识别结果子集,上标指示对应的标签,后同);针对标签x2,基于置信度和获得统计置信度针对标签x3,基于置信度和获得统计置信度针对标签x4,基于置信度和获得统计置信度
在一些实施例中,如图6所示,步骤S520、基于该候选识别结果子集的多个识别结果,获得该候选识别结果子集所对应的按顺序排列的多个标签中的每一个标签的统计置信度包括:
步骤S610:针对该候选识别结果子集所对应的多个标签中的第一标签,获得所述第一标签在该候选识别结果子集中的多个识别结果中的多个置信度;
步骤S620:对所述多个置信度进行矫正,以获得多个矫正置信度;以及
步骤S630:基于所述多个矫正置信度,获得所述第一标签的统计置信度。
通过对每一个候选识别结果子集的多个标签中的每一个标签的多个置信度进行矫正,使得获得的每个标签的统计置信度是考虑了该候选识别结果子集中每一个识别结果中该标签的置信度的,提升所获得的统计置信度的准确性。
在一些实施例中,多个置信度进行矫正,例如对多个置信度中大于第一阈值的置信度,乘以一大于1的第一预设值,对于多个置信度中小于第一阈值的置信度,乘以一小于1的第二预设值,以提升置信度大的结果的置信度,减小指定度小的结果的置信度。
在一些实施例中,还可以将多个置信度中最大置信度和最小置信度去掉,以获得多个矫正置信度。
在一个示例中,M2和M3为候选识别结果子集,其中,M2={m3,m5},M3={m4,m6,m7},并且M2对应于[x1,x2,x3,x4],M3对应于[x1,x2,x3,x5]。
在步骤S610中,针对候选结果子集M2中的标签x1,获得置信度和在步骤S620中,对置信度和进行矫正获得x1的两个矫正置信度;在步骤S630中,针对x1基于两个矫正置信度,获得统计置信度。对于候选结果子集M2对应的其他标签x2,x3和x4,以及候选结果子集M3对应的标签x1,x2,x3和x5,采用相同的方法处理。
在一些实施例中,如图7所示,步骤620、对所述多个置信度进行矫正包括:
步骤S710:基于所述多个置信度,获得所述多个识别结果对应的多个权重;
步骤S720:针对所述多个置信度中的每一个置信度,基于所述多个权重中的与该识别结果相应的权重进行加权,以获得所述第一标签的多个加权置信度;以及
步骤S730:基于所述多个加权置信度,获得所述多个矫正置信度。
通过获得每个识别结果的权重,获得矫正置信度,使对应的权重高的识别结果的置信度被矫正增大,权重低的识别结果的置信度被矫正减小,提升权重较高的识别结果在最终所获得的图像标签中的影响,使获得的图像标签准确。
在一个示例中,M2和M3为候选识别结果子集,其中,M2={m3,m5},M3={m4,m6,m7},并且M2对应于[x1,x2,x3,x4],M3对应于[x1,x2,x3,x5]。
在步骤S710中,针对候选结果子集M2中的标签x1,基于标签x1在识别结果m3和m5中的置信度和分别计算m3和m5所占的权重,例如,通过计算获得m3的权重,通过计算获得m5的权重;在步骤S720中,基于所计算的权重,获得x1的加权置信度。对于候选结果子集M2对应的其他标签x2,x3和x4,以及候选结果子集M3对应的标签x1,x2,x3和x5,采用相同的方法处理。
在一些实施例中,如图8所示,步骤620、对所述多个置信度进行矫正包括:
步骤S810:针对所述多个置信度中的每一个置信度,响应该置信度不小于预设置信度阈值,将该置信度更新为第一预设值,并且响应于该置信度小于所述预设置信度阈值,将所该置信度更新为第二预设值,所述第二预设值小于第一预设值;以及
步骤S820:基于所述多个置信度中的每一个置信度更新后的值,获得所述多个矫正置信度。
基于预设置信度阈值更新置信度,以获得矫正置信度,减少计算量。
在一个示例中,M2和M3为候选识别结果子集,其中,M2={m3,m5},M3={m4,m6,m7},并且M2对应于[x1,x2,x3,x4],M3对应于[x1,x2,x3,x5]。
在步骤S810中,针对候选结果子集M2中的标签x1,响应于确定标签x1在识别结果m3中置信度不小于预设置信度阈值(例如0.7),将置信度更新为0.1,响应于确定标签x1在识别结果m5中的置信度小于预设置信度阈值(例如0.7),将置信度更新为-0.1;在步骤S820中,基于置信度和置信度更新后的值,获得矫正置信度,例如,直接将更新后的值作为矫正置信度。对于候选结果子集M2对应的其他标签x2,x3和x4,以及候选结果子集M3对应的标签x1,x2,x3和x5,采用相同的方法处理。
在一些实施例中,如图9所示,步骤S520:基于所述一个或多个候选识别结果子集中的每一个候选识别结果子集所对应的按顺序排列的多个标签和该多个标签中的每一个标签的统计置信度,获得所述图像标签包括:
步骤S910:针对所述一个或多个候选识别结果中的每一个候选识别结果所对应的按顺序排列的多个标签的多个排列位置中每一个排列位置,获得在该排列位置处的位置标签,其中,该位置标签为所述一个或多个候选识别结果在该排列位置处对应的一个或多个标签中的统计置信度最大的标签;以及
步骤S920:基于所述多个排列位置对应的多个位置标签,获得所述图像标签。
将各个排列位置对应的多个统计置信度中的最大统计置信度所对应的标签,作为该位置的位置标签,使得所获得的位置标签准确,同时基于各个排列位置的位置标签获得图像标签,提升图像标签的准确性。
在一个示例中,M2和M3为候选识别结果子集,其中,M2={m3,m5},M3={m4,m6,m7},并且M2对应于[x1,x2,x3,x4],M3对应于[x1,x2,x3,x5]。
在步骤S910中,针对M2对应的标签x1,x2,x3和x4分别获得统计置信度针对M3对应的标签x1,x2,x3和x5分别获得统计置信度将统计置信度分别按照x1,x2,x3和x4的排列顺序排列,并且将统计置信度分别按照x1,x2,x3和x5的排列顺序排列,从而和对应于相同的排列位置(即,第一排列位置),和对应于相同的排列位置(即,第二排列位置),和对应于相同的排列位置(即,第三排列位置),以及和对应于相同的排列位置(即,第四排列位置)。通过对比各个排列位置上所对应的统计置信度,获得各个排列位置对应的统计置信度中的最大统计置信度,将各个排列位置对应的最大统计置信度所对应的标签作为该排列位置的位置标签。例如,在对比和后,将较大的所对应的标签x1,作为第一排列位置的位置标签;在对比和后,将较大的所对应的标签x2,作为第二排列位置的位置标签;在对比和后,将较大的所对应的标签x3,作为第三排列位置的位置标签;在和对比后,将较大的所对应的标签x5,作为第四排列位置的位置标签。
在步骤S920中,基于所获得多个排列位置对应的多个位置标签,获得所述图像标签。例如,将作为第一排列位置的位置标签、第二排列位置的位置标签、第三排列位置的位置标签和第四排列位置的位置标签按照该第一排列位置、第二排列位置、第三排列位置和第四排列位置的顺序排列,获得图像标签,即[x1,x2,x3,x5]。
在一些实施例中,将所获得的图像标签作为该目标图像的识别结果,以输出该识别结果。
在一些实施例中,基于该目标图像和该图像标签,训练图像识别模型。
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。
根据本公开的另一方面,还提供了一种图像处理装置,如图10所示,图像处理装置1000包括:目标图像获取单元1010,被配置用于获得包括沿第一方向排列的多个字符的目标图像,所述多个字符中的每一个字符来自预设字符集并且在预设标签集中具有相应的标签;识别结果获取单元1020,被配置用于获得所述目标图像对应的识别结果集,所述识别结果集中的每一个识别结果包括来自所述预设标签集的按顺序排列的多个标签和该多个标签中的每一个标签的置信度;以及图像标签获取单元1030,被配置用于基于所述识别结果集,获得所述目标图像的图像标签,所述图像标签包括来自所述预设标签集的按顺序排列的多个标签。
在一些实施例中,所述识别结果获取单元1020包括:模型输入单元,被配置用于将所述目标图像分别输入至对应于多个分类的多个识别模型,以获得所述识别结果集,其中,所述多个识别模型分别采用所述多个分类中的对应分类的多个训练图像训练而获得的,所述对应分类的多个训练图像中的每一个训练图像包括来自所述预设字符集中的多个字符。
在一些实施例中,所述多个分类包括对应于多个卡证类型的多个卡证分类、分别对应于多个医疗单据类型的多个医疗单据分类和/或分别对应于多个财务单据类型的多个财务单据分类。
在一些实施例中,所述图像标签获取单元1030包括:识别结果子集划分单元,被配置用于响应于所述识别结果集中的第一识别结果所包括的多个标签与第二识别结果所包括的多个标签相同并且与第三识别结果所包括的多个标签不同,获得多个识别结果子集,其中,在所述多个别结果子集中的每一个识别结果子集中,任一识别结果所包括的按顺序排列的多个标签与另一识别结果所包括按顺序排列的多个标签相同;以及第一获取子单元,被配置用于基于所述多个识别结果子集,获得所述图像标签。
在一些实施例中,所述第一获取子单元包括:候选识别结果确定单元,被配用于响应于所述多个识别结果子集中的第一识别结果子集的标签数量不小于任一识别结果子集的标签数量,将所述第一识别结果子集确定为候选识别结果子集,其中,所述多个识别结果子集中的每一个识别结果子集的标签数量为该识别结果子集所对应的按顺序排列的多个标签的数量;以及第二获取子单元,被配置用于基于所述多个识别结果子集中的一个或多个候选识别结果子集,获得所述图像标签。
在一些实施例中,所述第二获取子单元包括:统计置信度获取单元,被配置用于针对所述一个或多个候选识别结果子集中的每一个候选识别结果子集,基于该候选识别结果子集的多个识别结果,获得该候选识别结果子集所对应的按顺序排列的多个标签中的每一个标签的统计置信度;以及第三获取子单元,被配置用于基于所述一个或多个候选识别结果子集中的每一个候选识别结果子集所对应的按顺序排列的多个标签和该多个标签中的每一个标签的统计置信度,获得所述图像标签。
在一些实施例中,所述统计置信度获取单元包括:置信度获取单元,被配置用于针对该候选识别结果子集所对应的多个标签中的第一标签,获得所述第一标签在该候选识别结果子集中的多个识别结果中的多个置信度;置信度矫正单元,被配置用于对所述多个置信度进行矫正,以获得多个矫正置信度;以及统计置信度获取子单元,被配置用于基于所述多个矫正置信度,获得所述第一标签的统计置信度。
在一些实施例中,所述置信度矫正单元包括:权重获取单元,被配置用于基于所述多个置信度,获得所述多个识别结果对应的多个权重;加权单元,被配置用于针对所述多个置信度中的每一个置信度,基于所述多个权重中的与该识别结果相应的权重进行加权,以获得所述第一标签的多个加权置信度;以及第一矫正子单元,被配置用于基于所述多个加权置信度,获得所述多个矫正置信度。
在一些实施例中,所述置信度矫正单元包括:更新单元,被配置用于针对所述多个置信度中的每一个置信度,响应该置信度不小于预设置信度阈值,将该置信度更新为第一预设值,并且响应于该置信度小于所述预设置信度阈值,将所该置信度更新为第二预设值,所述第二预设值小于第一预设值;以及第二矫正子单元,被配置用于基于所述多个置信度中的每一个置信度更新后的值,获得所述多个矫正置信度。
在一些实施例中,所述第三获取子单元包括:位置标签获取单元,被配置用于针对所述一个或多个候选识别结果中的每一个候选识别结果所对应的按顺序排列的多个标签的多个排列位置中每一个排列位置,获得在该排列位置处的位置标签,其中,该位置标签为所述一个或多个候选识别结果在该排列位置处对应的一个或多个标签中的统计置信度最大的标签;以及图像标签获取子单元,被配置用于基于所述多个排列位置对应的多个位置标签,获得所述图像标签。
在一些实施例中,还包括:训练单元,被配置用于基于所述目标图像和所述图像标签,训练图像识别模型。
根据本公开的另一方面,还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根据本公开的实施例所述的方法。
根据本公开的另一方面,还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本公开的实施例所述的方法。
根据本公开的另一方面,还提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据本公开的实施例所述的方法。
根据本公开的实施例,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。
参考图11,现将描述可以作为本公开的服务器或客户端的电子设备1100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11所示,电子设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储电子设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
电子设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106、输出单元1107、存储单元1108以及通信单元1109。输入单元1106可以是能向电子设备1100输入信息的任何类型的设备,输入单元1106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1107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1108可以包括但不限于磁盘、光盘。通信单元1109允许电子设备1100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1101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1101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1101执行上文所描述的各个方法和处理,例如方法200。例如,在一些实施例中,方法200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1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到电子设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元1101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。
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 (25)
1.一种图像处理方法,包括:
获得包括沿第一方向排列的多个字符的目标图像,所述多个字符中的每一个字符来自预设字符集并且在预设标签集中具有相应的标签;
获得所述目标图像对应的识别结果集,所述识别结果集中的每一个识别结果包括来自所述预设标签集的按顺序排列的多个标签和该多个标签中的每一个标签的置信度;以及
基于所述识别结果集,获得所述目标图像的图像标签,所述图像标签包括来自所述预设标签集的按顺序排列的多个标签。
2.根据权利要求1所述的方法,其中,所述获得所述目标图像对应的识别结果集包括:
将所述目标图像分别输入至对应于多个分类的多个识别模型,以获得所述识别结果集,其中,
所述多个识别模型分别采用所述多个分类中的对应分类的多个训练图像训练而获得的,所述对应分类的多个训练图像中的每一个训练图像包括来自所述预设字符集中的多个字符。
3.根据权利要求2所述的方法,其中,所述多个分类包括对应于多个卡证类型的多个卡证分类、分别对应于多个医疗单据类型的多个医疗单据分类和/或分别对应于多个财务单据类型的多个财务单据分类。
4.根据权利要求1-3中任一项所述的方法,其中,所述基于所述识别结果集,获得所述目标图像的图像标签包括:
响应于所述识别结果集中的第一识别结果所包括的多个标签与第二识别结果所包括的多个标签相同并且与第三识别结果所包括的多个标签不同,获得多个识别结果子集,其中,在所述多个别结果子集中的每一个识别结果子集中,任一识别结果所包括的按顺序排列的多个标签与另一识别结果所包括按顺序排列的多个标签相同;以及
基于所述多个识别结果子集,获得所述图像标签。
5.根据权利要求4所述的方法,其中,所述基于所述多个识别结果子集,获得所述图像标签包括:
响应于所述多个识别结果子集中的第一识别结果子集的标签数量不小于任一识别结果子集的标签数量,将所述第一识别结果子集确定为候选识别结果子集,其中,所述多个识别结果子集中的每一个识别结果子集的标签数量为该识别结果子集所对应的按顺序排列的多个标签的数量;以及
基于所述多个识别结果子集中的一个或多个候选识别结果子集,获得所述图像标签。
6.根据权利要求5所述的方法,其中,所述基于所述多个识别结果子集中的一个或多个候选识别结果子集,获得所述图像标签包括:
针对所述一个或多个候选识别结果子集中的每一个候选识别结果子集,基于该候选识别结果子集的多个识别结果,获得该候选识别结果子集所对应的按顺序排列的多个标签中的每一个标签的统计置信度;以及
基于所述一个或多个候选识别结果子集中的每一个候选识别结果子集所对应的按顺序排列的多个标签和该多个标签中的每一个标签的统计置信度,获得所述图像标签。
7.根据权利要求6所述的方法,其中,所述基于该候选识别结果子集的多个识别结果,获得该候选识别结果子集所对应的按顺序排列的多个标签中的每一个标签的统计置信度包括:
针对该候选识别结果子集所对应的多个标签中的第一标签,获得所述第一标签在该候选识别结果子集中的多个识别结果中的多个置信度;
对所述多个置信度进行矫正,以获得多个矫正置信度;以及
基于所述多个矫正置信度,获得所述第一标签的统计置信度。
8.根据权利要求7所述的方法,其中,所述对所述多个置信度进行矫正包括:
基于所述多个置信度,获得所述多个识别结果对应的多个权重;
针对所述多个置信度中的每一个置信度,基于所述多个权重中的与该识别结果相应的权重进行加权,以获得所述第一标签的多个加权置信度;以及
基于所述多个加权置信度,获得所述多个矫正置信度。
9.根据权利要求6所述的方法,其中,所述分别对所述多个置信度进行矫正包括:
针对所述多个置信度中的每一个置信度,
响应该置信度不小于预设置信度阈值,将该置信度更新为第一预设值,并且
响应于该置信度小于所述预设置信度阈值,将所该置信度更新为第二预设值,所述第二预设值小于第一预设值;以及
基于所述多个置信度中的每一个置信度更新后的值,获得所述多个矫正置信度。
10.根据权利要求6-9中任一项所述的方法,其中,所述基于所述一个或多个候选识别结果子集中的每一个候选识别结果子集所对应的按顺序排列的多个标签和该多个标签中的每一个标签的统计置信度,获得所述图像标签包括:
针对所述一个或多个候选识别结果中的每一个候选识别结果所对应的按顺序排列的多个标签的多个排列位置中每一个排列位置,获得在该排列位置处的位置标签,其中,该位置标签为所述一个或多个候选识别结果在该排列位置处对应的一个或多个标签中的统计置信度最大的标签;以及
基于所述多个排列位置对应的多个位置标签,获得所述图像标签。
11.根据权利要求1-10中任一项所述的方法,还包括:
基于所述目标图像和所述图像标签,训练图像识别模型。
12.一种图像处理装置,包括:
目标图像获取单元,被配置用于获得包括沿第一方向排列的多个字符的目标图像,所述多个字符中的每一个字符来自预设字符集并且在预设标签集中具有相应的标签;
识别结果获取单元,被配置用于获得所述目标图像对应的识别结果集,所述识别结果集中的每一个识别结果包括来自所述预设标签集的按顺序排列的多个标签和该多个标签中的每一个标签的置信度;以及
图像标签获取单元,被配置用于基于所述识别结果集,获得所述目标图像的图像标签,所述图像标签包括来自所述预设标签集的按顺序排列的多个标签。
13.根据权利要求12所述的装置,其中,所述识别结果获取单元包括:
模型输入单元,被配置用于将所述目标图像分别输入至对应于多个分类的多个识别模型,以获得所述识别结果集,其中,
所述多个识别模型分别采用所述多个分类中的对应分类的多个训练图像训练而获得的,所述对应分类的多个训练图像中的每一个训练图像包括来自所述预设字符集中的多个字符。
14.根据权利要求13所述的装置,其中,所述多个分类包括对应于多个卡证类型的多个卡证分类、分别对应于多个医疗单据类型的多个医疗单据分类和/或分别对应于多个财务单据类型的多个财务单据分类。
15.根据权利要求12-14中任一项所述的装置,其中,所述图像标签获取单元包括:
识别结果子集划分单元,被配置用于响应于所述识别结果集中的第一识别结果所包括的多个标签与第二识别结果所包括的多个标签相同并且与第三识别结果所包括的多个标签不同,获得多个识别结果子集,其中,在所述多个别结果子集中的每一个识别结果子集中,任一识别结果所包括的按顺序排列的多个标签与另一识别结果所包括按顺序排列的多个标签相同;以及
第一获取子单元,被配置用于基于所述多个识别结果子集,获得所述图像标签。
16.根据权利要求15所述的装置,其中,所述第一获取子单元包括:
候选识别结果确定单元,被配用于响应于所述多个识别结果子集中的第一识别结果子集的标签数量不小于任一识别结果子集的标签数量,将所述第一识别结果子集确定为候选识别结果子集,其中,所述多个识别结果子集中的每一个识别结果子集的标签数量为该识别结果子集所对应的按顺序排列的多个标签的数量;以及
第二获取子单元,被配置用于基于所述多个识别结果子集中的一个或多个候选识别结果子集,获得所述图像标签。
17.根据权利要求16所述的装置,其中,所述第二获取子单元包括:
统计置信度获取单元,被配置用于针对所述一个或多个候选识别结果子集中的每一个候选识别结果子集,基于该候选识别结果子集的多个识别结果,获得该候选识别结果子集所对应的按顺序排列的多个标签中的每一个标签的统计置信度;以及
第三获取子单元,被配置用于基于所述一个或多个候选识别结果子集中的每一个候选识别结果子集所对应的按顺序排列的多个标签和该多个标签中的每一个标签的统计置信度,获得所述图像标签。
18.根据权利要求17所述的装置,其中,所述统计置信度获取单元包括:
置信度获取单元,被配置用于针对该候选识别结果子集所对应的多个标签中的第一标签,获得所述第一标签在该候选识别结果子集中的多个识别结果中的多个置信度;
置信度矫正单元,被配置用于对所述多个置信度进行矫正,以获得多个矫正置信度;以及
统计置信度获取子单元,被配置用于基于所述多个矫正置信度,获得所述第一标签的统计置信度。
19.根据权利要求18所述的装置,其中,所述置信度矫正单元包括:
权重获取单元,被配置用于基于所述多个置信度,获得所述多个识别结果对应的多个权重;
加权单元,被配置用于针对所述多个置信度中的每一个置信度,基于所述多个权重中的与该识别结果相应的权重进行加权,以获得所述第一标签的多个加权置信度;以及
第一矫正子单元,被配置用于基于所述多个加权置信度,获得所述多个矫正置信度。
20.根据权利要求18所述的装置,其中,所述置信度矫正单元包括:
更新单元,被配置用于针对所述多个置信度中的每一个置信度,响应该置信度不小于预设置信度阈值,将该置信度更新为第一预设值,并且响应于该置信度小于所述预设置信度阈值,将所该置信度更新为第二预设值,所述第二预设值小于第一预设值;以及
第二矫正子单元,被配置用于基于所述多个置信度中的每一个置信度更新后的值,获得所述多个矫正置信度。
21.根据权利要求17-20中任一项所述的装置,其中,所述第三获取子单元包括:
位置标签获取单元,被配置用于针对所述一个或多个候选识别结果中的每一个候选识别结果所对应的按顺序排列的多个标签的多个排列位置中每一个排列位置,获得在该排列位置处的位置标签,其中,该位置标签为所述一个或多个候选识别结果在该排列位置处对应的一个或多个标签中的统计置信度最大的标签;以及
图像标签获取子单元,被配置用于基于所述多个排列位置对应的多个位置标签,获得所述图像标签。
22.根据权利要求12-21中任一项所述的装置,还包括:
训练单元,被配置用于基于所述目标图像和所述图像标签,训练图像识别模型。
23.一种电子设备,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1-11中任意一项所述的方法。
24.一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1-11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564943.1A CN114973258A (zh) | 2022-05-23 | 2022-05-23 | 图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564943.1A CN114973258A (zh) | 2022-05-23 | 2022-05-23 | 图像处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114973258A true CN114973258A (zh) | 2022-08-30 |
Family
ID=82984552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210564943.1A Pending CN114973258A (zh) | 2022-05-23 | 2022-05-23 | 图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973258A (zh) |
-
2022
- 2022-05-23 CN CN202210564943.1A patent/CN114973258A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115422389B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
CN114648638A (zh) | 语义分割模型的训练方法、语义分割方法与装置 | |
CN115438214B (zh) | 处理文本图像的方法及装置、神经网络的训练方法 | |
CN114445667A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN113256583A (zh) | 图像质量检测方法及装置、计算机设备和介质 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN115082740A (zh) | 目标检测模型训练方法、目标检测方法、装置、电子设备 | |
JP2024509014A (ja) | ソーティング方法、ソーティングモデルのトレーニング方法、装置、電子機器及び記憶媒体 | |
CN114821581A (zh) | 图像识别方法和用于训练图像识别模型的方法 | |
CN114723949A (zh) | 三维场景分割方法和用于训练分割模型的方法 | |
CN115511779A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114550313A (zh) | 图像处理方法、神经网络及其训练方法、设备和介质 | |
CN115269989B (zh) | 对象推荐方法、装置、电子设备和存储介质 | |
CN115797660A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
CN115578501A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114429678A (zh) | 模型训练方法及装置、电子设备和介质 | |
CN114998963A (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN113868453A (zh) | 对象推荐方法和装置 | |
CN114494797A (zh) | 用于训练图像检测模型的方法和装置 | |
CN114118067A (zh) | 术语名词纠错方法及装置、电子设备和介质 | |
CN114973258A (zh) | 图像处理方法和装置 | |
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 | |
US20230162722A1 (en) | Techniques for model training |
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 |