CN115171131A - 一种文字识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种文字识别方法、装置、电子设备及存储介质，涉及图像识别技术领域。其中，该方法包括：获取待识别图像，并确定待识别图像的第一像素值和待识别图像中有用信息的占比；根据第一像素值和占比确定总体下采样倍数和卷积模块的通道数；根据总体下采样倍数和卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型；将待识别图像输入至目标文字识别模型，以利用目标文字识别模型识别出待识别图像中的目标文字，目标文字的尺寸未超过预设尺寸。本申请提供的技术方案，可以保证计算算力资源消耗的合理，可以满足快速且高精度的识别小尺寸文字的要求。

Description

一种文字识别方法、装置、电子设备及存储介质

技术领域

本申请涉及图像识别技术领域，尤其涉及一种文字识别方法、装置、电子设备及存储介质。

背景技术

目前，光学字符识别(Optical Character Recognition，OCR)分别由检测算法和识别算法两个部分组成，检测算法是用于监测文字是否存在以及文字所在的位置，识别算法是对检测到的文字进行识别。其中，通常的识别算法(如常用的CRNN等)有着较为简洁的文字识别流程，例如在文档或发票这种场景中，识别算法有着较为稳定的性能。但是，在工业场景下，识别算法受限于算法能力的局限性，其特征提取能力在复杂环境中极其受限，例如2mm大小元器件上印制的文字，存在文字体积极小、字体种类多、印刷不清楚、文字方向颠倒以及现场环境光纤昏暗等因素，导致识别算法的识别错误率极高。

发明内容

本申请提供了一种文字识别方法、装置、电子设备及存储介质，可以保证计算算力资源消耗的合理，可以满足快速且高精度的识别小尺寸文字的要求。

第一方面，本申请提供了一种文字识别方法，该方法包括：

获取待识别图像，并确定所述待识别图像的第一像素值和所述待识别图像中有用信息的占比；

根据所述第一像素值和所述占比确定总体下采样倍数和卷积模块的通道数；

根据所述总体下采样倍数和所述卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型；

将所述待识别图像输入至所述目标文字识别模型，以利用所述目标文字识别模型识别出所述待识别图像中的目标文字，所述目标文字的尺寸未超过预设尺寸。

第二方面，本申请提供了一种文字识别装置，该装置包括：

信息确定模块，用于获取待识别图像，并确定所述待识别图像的第一像素值和所述待识别图像中有用信息的占比；

参数确定模块，用于根据所述第一像素值和所述占比确定总体下采样倍数和卷积模块的通道数；

模型优化模块，用于根据所述总体下采样倍数和所述卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型；

文字识别模块，用于将所述待识别图像输入至所述目标文字识别模型，以利用所述目标文字识别模型识别出所述待识别图像中的目标文字，所述目标文字的尺寸未超过预设尺寸。

第三方面，本申请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计算机程序，所述计算机程序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本申请任意实施例所述的文字识别方法。

第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本申请任意实施例所述的文字识别方法。

本申请实施例提供了一种文字识别方法、装置、电子设备及存储介质，该方法包括：获取待识别图像，并确定待识别图像的第一像素值和待识别图像中有用信息的占比；根据第一像素值和占比确定总体下采样倍数和卷积模块的通道数；根据总体下采样倍数和卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型；将待识别图像输入至目标文字识别模型，以利用目标文字识别模型识别出待识别图像中的目标文字，目标文字的尺寸未超过预设尺寸。本申请对ResNet残差网络进行优化配置得到原始文字识别模型，可以保证计算算力资源消耗的合理；通过待识别图像的第一像素值和有用信息的占比确定对原始文字识别模型进行优化的参数，使得优化之后的目标文字识别模型能够提高文字识别精度，可以满足快速且高精度的识别小尺寸文字的要求。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种文字识别方法的第一流程示意图；

图2为本申请实施例提供的一种文字识别方法的第二流程示意图；

图3为本申请实施例提供的一种文字识别装置的结构示意图；

图4是用来实现本申请实施例的一种文字识别方法的电子设备的框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”以及“原始”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够实施除了在这里图示或描述之外的顺序。此外，术语“包括”、“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在介绍本申请实施例之前，需要对本申请文字识别方法的应用场景进行简单介绍。本申请文字识别方法是对小尺寸文字进行识别，现有的文字识别技术只能识别224mm*224mm以上尺寸的文字，本申请识别的是50mm*50mm及以下尺寸的文字。

图1为本申请实施例提供的一种文字识别方法的第一流程示意图，本实施例可适用于对小尺寸文字进行识别的情况。本实施例提供的一种文字识别方法可以由本申请实施例提供的文字识别装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的电子设备中。

参见图1，本实施例的方法包括但不限于如下步骤：

S110、获取待识别图像，并确定待识别图像的第一像素值和待识别图像中有用信息的占比。

在本申请实施例中，待识别图像可以是现有的含有文字的图像，在工业场景下，待识别图像可以是利用工业生产现场的摄像头在元器件上采集到的含有文字的图像。获取到待识别图像之后，再采用像素获取方法确定待识别图像的第一像素值，如：像素获取方法可以是MATLAB中的imread函数，可以是opencv中的cvLoadImage函数，还可以是其它函数。待识别图像中有用信息是指图像中文字部分，有用信息的占比的确定过程可以是：先获取待识别图像的尺寸信息，记为第一尺寸；再获取文字部分所在区域的尺寸信息，记为第二尺寸；最后计算第一尺寸与第二尺寸的比例关系，得到有用信息的占比。

在一种可能的实施例中，第一像素值可以是预设的固定像素值，例如可以是128px*128px；若获取到的待识别图像的像素值大于第一像素值，则进行像素缩小处理，将其缩小至第一像素值。

S120、根据第一像素值和占比确定总体下采样倍数和卷积模块的通道数。

在本申请实施例中，由于待识别图像中的目标文字太小，为了使极小像素的图像依旧可以保证特征提取，能够清楚准确的识别出目标文字，需要根据待识别图像的第一像素值和目标文字在待识别图像中的占比确定总体下采样倍数和卷积模块的通道数。其中，总体下采样倍数是指在对待识别图像进行文字识别的整个过程中下采样处理的倍数总和。在对待识别图像进行文字识别的整个过程中可以包括多个下采样层，多个下采样层的采用倍数之和为总体下采样倍数。

进一步的，原始文字识别模型包括多个卷积模块，根据第一像素值和占比确定卷积模块的通道数，包括：根据第一像素值和占比确定多个卷积模块中第一卷积模块的通道数；根据第一卷积模块的通道数和预设倍数得到多个卷积模块中其余卷积模块的通道数，其余卷积模块为多个卷积模块中除第一卷积模块之外的卷积模块。其中，预设倍数可以是2倍，本申请不进行限定。

S130、根据总体下采样倍数和卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型。

在本申请实施例中，原始文字识别模型是基于ResNet残差网络确定。由于目前的众多OCR识别算法在极小目标的识别精度较低，且实际场景中存在文字磨损，光线暗等问题，因此本申请对ResNet残差网络进行了结构优化，可以是对ResNet残差网络中的各个模块进行优化设置，得到本申请所使用的原始文字识别模型。例如：可以是在ResNet残差网络中去掉上采样层以及特征融合层。这样设置的好处在于，可以保证计算算力资源消耗的合理，使得对每张图像识别的时间不超过30ms，满足了对待识别图像快速识别的要求。

进一步的，原始文字识别模型包括第一下采样层、最大池化层和第二下采样层，第二下采样层配置在多个卷积模块中的指定卷积模块之后，第一下采样层和最大池化层配置在多个卷积模块之前。

优选的，将第二下采样层配置第三个卷积模块之后。

S140、将待识别图像输入至目标文字识别模型，以利用目标文字识别模型识别出待识别图像中的目标文字。

在本申请实施例中，经上述S130步骤对原始文字识别模型进行优化得到目标文字识别模型之后，将待识别图像输入至目标文字识别模型，提取待识别图像的特征数据，再对特征数据进行分类识别处理得到待识别图像中目标文字，其中，目标文字的尺寸未超过预设尺寸，预设尺寸可以是50mm*50mm的文字。

本实施例提供的技术方案，通过获取待识别图像，并确定待识别图像的第一像素值和待识别图像中有用信息的占比；根据第一像素值和占比确定总体下采样倍数和卷积模块的通道数；根据总体下采样倍数和卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型；将待识别图像输入至目标文字识别模型，以利用目标文字识别模型识别出待识别图像中的目标文字。本申请对ResNet残差网络进行优化配置得到原始文字识别模型，可以保证计算算力资源消耗的合理；通过待识别图像的第一像素值和有用信息的占比确定对原始文字识别模型进行优化的参数，使得优化之后的目标文字识别模型能够提高文字识别精度，可以满足快速且高精度的识别小尺寸文字的要求。

下面进一步描述本发明实施例提供的文字识别方法，图2为本申请实施例提供的一种文字识别方法的第二流程示意图。本申请实施例是在上述实施例的基础上进行优化，具体优化为：本实施例对原始文字识别模型的优化过程以及对待识别图像中文字识别过程进行详细的解释说明。

参见图2，本实施例的方法包括但不限于如下步骤：

S210、获取待识别图像，并确定待识别图像的第一像素值和待识别图像中有用信息的占比。

本步骤的相关内容参见图1实施例的步骤S110，此处不再赘述。

S220、根据第一像素值和占比确定总体下采样倍数和卷积模块的通道数。

在本申请实施例中，原始文字识别模型包括多个卷积模块，卷积模块的数量是可以增加的，随着卷积模块数量的增加，神经网络的宽度以及深度也会随之增加，从而获得更好的性能，但是同时也会增加计算算力消耗。优选的，卷积模块的数量可以为4个，每个卷积模块的循环次数可以为4，从而加深神经网络的深度。第一卷积模块的通道数可以为64。当预设倍数是2倍时，多个卷积模块的通道数依次是64、128、256、512。通过对多个卷积模块的通道数进行调整，逐渐增加网络宽度。此外，由于ResNet残差网络几乎无法识别太小的图片，因此调整了原始文字识别模型的总体下采样倍数，以保持特征能够被提取。

优选的，总体下采样倍数是由第一像素值和占比确定，例如可以是6倍。

S230、基于总体下采样倍数分别确定第一下采样层的第一采样参数、最大池化层的第二采样参数和第二下采样层的第三采样参数。

在本申请实施例中，原始文字识别模型包括第一下采样层、最大池化层和第二下采样层，经上述步骤确定出总体下采样倍数之后，分别确定第一下采样层的第一采样参数、最大池化层的第二采样参数和第二下采样层的第三采样参数。示例性的，当总体下采样倍数为6倍时，第一采样参数、第二采样参数和第三采样参数均可以是2倍。

S240、根据第一采样参数、第二采样参数、第三采样参数和多个卷积模块对应的通道数对原始文字识别模型进行优化，得到目标文字识别模型。

在本申请实施例中，优化过后的目标文字识别模型有着更好的泛用性，在实际项目的使用中，针对图片模糊，字符缺损以及光线较暗等特殊场景均有不错的表现。

其中，目标文字识别模型包括优化之后的第一下采样层、最大池化层、第二下采样层、多个卷积模块、平均池化层和全连接层。

在一种可选的实施例中，针对小尺寸文字在下采样后的特征损失，在实际使用时，可以在网络模块的后段增加更多的模块，例如增加上采样层以及增加特征拼接层，形成类似U-Net的U型结构，从而在多尺度上对图像特征进行融合。

S250、采用第一下采样层和/或最大池化层调整待识别图像的分辨率，得到第二像素值的图像。

在本申请实施例中，将待识别图像作为输入，进入第一下采样模块和/或最大池化层改变待识别图像的分辨率得到第二像素值的图像。这样设置可以增加多尺度神经网络的特征感知能力，从而提高后续图像特征的解析能力。

S260、将第二像素值的图像输入至多个卷积模块进行特征提取，得到待识别图像的特征图。

在本申请实施例中，通过由通用网络结构组成的卷积模块提取待识别图像的特征图，其中，通用网络结构中包括Conv卷积层、Relu激活函数以及Max pool最大池化层。相比ResNet残差网络，通过优化其网络的维度以及待识别图像的分辨率可以使得对极小尺寸图像的识别效果更佳。

S270、将特征图输入至平均池化层和全连接层识别出待识别图像中的目标文字。

在本申请实施例中，在待识别图像的特征提取结束后，将特征图输入平均池化层，保证其特识别特征的不变性，并且减少参数至512*1*1。在经过平均池化层后，网络进入全连接层，并最终输出待识别图像中的目标文字，其中，平均池化层的卷积核为1*1。

本实施例提供的技术方案，通过获取待识别图像，并确定待识别图像的第一像素值和待识别图像中有用信息的占比；根据第一像素值和占比确定总体下采样倍数和卷积模块的通道数；基于总体下采样倍数分别确定第一下采样层的第一采样参数、最大池化层的第二采样参数和第二下采样层的第三采样参数；根据第一采样参数、第二采样参数、第三采样参数和多个卷积模块对应的通道数对原始文字识别模型进行优化，得到目标文字识别模型；采用第一下采样层和/或最大池化层调整待识别图像的分辨率，得到第二像素值的图像；将第二像素值的图像输入至多个卷积模块进行特征提取，得到待识别图像的特征图；将特征图输入至平均池化层和全连接层识别出待识别图像中的目标文字。本申请对ResNet残差网络进行优化配置得到原始文字识别模型，可以保证计算算力资源消耗的合理；通过待识别图像的第一像素值和有用信息的占比确定对原始文字识别模型进行优化的参数，使得优化之后的目标文字识别模型能够提高文字识别精度，可以满足快速且高精度的识别小尺寸文字的要求。

图3为本申请实施例提供的一种文字识别装置的结构示意图，如图3所示，该装置300可以包括：

信息确定模块310，用于获取待识别图像，并确定所述待识别图像的第一像素值和所述待识别图像中有用信息的占比；

参数确定模块320，用于根据所述第一像素值和所述占比确定总体下采样倍数和卷积模块的通道数；

模型优化模块330，用于根据所述总体下采样倍数和所述卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型；

文字识别模块340，用于将所述待识别图像输入至所述目标文字识别模型，以利用所述目标文字识别模型识别出所述待识别图像中的目标文字，所述目标文字的尺寸未超过预设尺寸。

可选的，所述原始文字识别模型包括多个卷积模块。

进一步的，上述参数确定模块320，可以包括采样参数确定单元和通道数确定单元；

所述通道数确定单元，用于根据所述第一像素值和所述占比确定所述多个卷积模块中第一卷积模块的通道数；根据所述第一卷积模块的通道数和预设倍数得到所述多个卷积模块中其余卷积模块的通道数，所述其余卷积模块为所述多个卷积模块中除所述第一卷积模块之外的卷积模块。

可选的，所述原始文字识别模型包括第一下采样层、最大池化层和第二下采样层，所述第二下采样层配置在所述多个卷积模块中的指定卷积模块之后，所述第一下采样层和所述最大池化层配置在所述多个卷积模块之前。

所述采样参数确定单元，用于在根据所述第一像素值和所述占比确定总体下采样倍数之后，基于所述总体下采样倍数分别确定所述第一下采样层的第一采样参数、所述最大池化层的第二采样参数和所述第二下采样层的第三采样参数。

进一步的，上述文字识别模块340，还可以具体用于：采用所述第一下采样层和/或所述最大池化层调整所述待识别图像的分辨率，得到第二像素值的图像；将所述第二像素值的图像输入至所述多个卷积模块进行特征提取，得到所述待识别图像的特征图；将所述特征图输入至平均池化层和全连接层识别出所述待识别图像中的目标文字，所述平均池化层的卷积核为1*1。

可选的，所述多个卷积模块的数量为4个，每个卷积模块的循环次数为4，所述多个卷积模块的通道数依次是64、128、256、512。

可选的，所述原始文字识别模型是基于ResNet残差网络确定。

本实施例提供的文字识别装置可适用于上述任意实施例提供的文字识别方法，具备相应的功能和有益效果。

图4是用来实现本申请实施例的一种显示方法的电子设备的框图。电子设备10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(如头盔、眼镜、手表等)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/或者要求的本申请的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。

处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如文字识别方法。

在一些实施例中，文字识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的文字识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文字识别方法。

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)、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。

用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。

在本申请的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

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，本申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种文字识别方法，其特征在于，所述方法包括：

获取待识别图像，并确定所述待识别图像的第一像素值和所述待识别图像中有用信息的占比；

根据所述第一像素值和所述占比确定总体下采样倍数和卷积模块的通道数；

根据所述总体下采样倍数和所述卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型；

将所述待识别图像输入至所述目标文字识别模型，以利用所述目标文字识别模型识别出所述待识别图像中的目标文字，所述目标文字的尺寸未超过预设尺寸。

2.根据权利要求1所述的文字识别方法，其特征在于，所述原始文字识别模型包括多个卷积模块，所述根据所述第一像素值和所述占比确定卷积模块的通道数，包括：

根据所述第一像素值和所述占比确定所述多个卷积模块中第一卷积模块的通道数；

根据所述第一卷积模块的通道数和预设倍数得到所述多个卷积模块中其余卷积模块的通道数，所述其余卷积模块为所述多个卷积模块中除所述第一卷积模块之外的卷积模块。

3.根据权利要求2所述的文字识别方法，其特征在于，所述原始文字识别模型包括第一下采样层、最大池化层和第二下采样层，所述第二下采样层配置在所述多个卷积模块中的指定卷积模块之后，所述第一下采样层和所述最大池化层配置在所述多个卷积模块之前。

4.根据权利要求3所述的文字识别方法，其特征在于，在根据所述第一像素值和所述占比确定总体下采样倍数之后，还包括：

基于所述总体下采样倍数分别确定所述第一下采样层的第一采样参数、所述最大池化层的第二采样参数和所述第二下采样层的第三采样参数。

5.根据权利要求3所述的文字识别方法，其特征在于，所述将所述待识别图像输入至所述目标文字识别模型，以利用所述目标文字识别模型识别出所述待识别图像中的目标文字，包括：

采用所述第一下采样层和/或所述最大池化层调整所述待识别图像的分辨率，得到第二像素值的图像；

将所述第二像素值的图像输入至所述多个卷积模块进行特征提取，得到所述待识别图像的特征图；

将所述特征图输入至平均池化层和全连接层识别出所述待识别图像中的目标文字，所述平均池化层的卷积核为1*1。

6.根据权利要求2所述的文字识别方法，其特征在于，所述多个卷积模块的数量为4个，每个卷积模块的循环次数为4，所述多个卷积模块的通道数依次是64、128、256、512。

7.根据权利要求1所述的文字识别方法，其特征在于，所述原始文字识别模型是基于ResNet残差网络确定。

8.一种文字识别装置，其特征在于，所述装置包括：

信息确定模块，用于获取待识别图像，并确定所述待识别图像的第一像素值和所述待识别图像中有用信息的占比；

参数确定模块，用于根据所述第一像素值和所述占比确定总体下采样倍数和卷积模块的通道数；

模型优化模块，用于根据所述总体下采样倍数和所述卷积模块的通道数对原始文字识别模型进行优化，得到目标文字识别模型；

文字识别模块，用于将所述待识别图像输入至所述目标文字识别模型，以利用所述目标文字识别模型识别出所述待识别图像中的目标文字，所述目标文字的尺寸未超过预设尺寸。

9.一种电子设备，其特征在于，所述电子设备包括：

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计算机程序，所述计算机程序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7中任一所述的文字识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1至7中任一所述的文字识别方法。

Images