CN115223177A - 一种文本识别方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种文本识别方法、装置、设备及存储介质。该文本识别方法包括：获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；将所述第一区域和所述第二区域加权后得到加权区域；根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。采用本发明的技术方案，通过将待识别图像切分为第一文本区域和第二文本区域，进一步的对所述第一文本区域的识别结果和第二文本区域的识别结果合并得到所述文本识别结果，不仅提升了文本识别速度，还提供了良好的用户体验。

Description

一种文本识别方法、装置、设备及存储介质

技术领域

本发明涉及边缘端人工智能技术领域，尤其涉及一种文本识别方法、装置、设备及存储介质。

背景技术

目前，基于深度学习的文本识别往往依赖于服务器端和云端，将现有的文本识别技术集成起来，以网络作为媒介，向用户提供文本识别服务。其中，文本识别主要根据检测到的文本图像，对其进行图像识别得到文本识别结果。这对网络环境和带宽有较高的要求，然而，边缘端由于芯片的封装面积、功耗、散热以及存储空间、网络带宽等的诸多限制因素，增加了图像识别的实时性任务难度，很难兼顾在有限内存的条件下保证文本识别的准确度。边缘端计算是指在靠近终端或者数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供近端的服务，使得应用程序在边缘端发起，可以产生更快的网络服务响应，满足实时性业务的需求。

众所周知，深度学习是机器学习中的一个研究方向，训练和推理是人工智能基于机器学习的两个主要阶段，实现边缘端的人工智能就是要让训练完成的模型可以直接在嵌入式设备中离线或者脱网运行和推理，达到在硬件设备上的本地处理，更快更好的为用户提供智能服务。在实际应用中，边缘端的图像识别所使用的相关开源推理框架对部分OP算子不支持，导致构建的模型不断的推倒重来，耗费很大的时间成本。事实上，大多数边缘端的应用场景对图像识别算法的实时性要求很高，比如，手机相机拍照时间长、拍照卡顿以及手机发烫等会降低用户的使用体验；对于图像识别所采用的深度学习内的部分算子由于计算复杂，而边缘端的计算资源有限，导致推理速度变慢。

发明内容

本发明提供了一种文本识别方法、装置、设备及存储介质，可以高效便捷的实现边缘端的文本识别，提升用户体验。

根据本发明的第一方面，提供了一种文本识别方法，该方法包括：

获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的文本内容顺序在所述第二文本区域的文本内容的顺序之前，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；

将所述第一区域和所述第二区域加权后得到加权区域；

根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。

可选的，在所述根据文本识别模型识别目标区域，得到文本识别结果之前，还包括：根据文本识别网络以及训练数据集确定所述文本识别模型。

可选的，所述将所述第一区域和所述第二区域加权后得到加权区域，包括：将所述第一区域和所述第二区域求和后取平均值，得到所述加权区域。

可选的，在所述根据文本识别模型识别目标区域，得到文本识别结果之前，还包括：

将所述第一文本区域的其余区域、所述加权区域和所述第二文本区域的其余区域顺序排列后，删除空白区域以及重复字符，得到所述目标区域。

可选的，所述文本识别模型为基于边缘端的文本识别模型。

根据本发明的第二方面，提供了一种文本识别装置，该装置包括：

获取模块，用于获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的文本内容顺序在所述第二文本区域的文本内容的顺序之前，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；

加权模块，用于将所述第一区域和所述第二区域加权后得到加权区域；

识别模块，用于根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。

可选的，所述加权模块，包括：将所述第一区域和所述第二区域求和后取平均值，得到所述加权区域。

可选的，在所述识别模块之前，还包括：根据文本识别网络以及训练数据集确定所述文本识别模型。

根据本发明的第三方面，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实现如本发明任一实施例所述的文本识别方法。

根据本发明的第四方面，提供了一种计算机可读存储介质，所述计算机指令用于使所述计算机执行如本发明任一实施例所述文本识别方法。

本发明公开了一种文本识别方法、装置、设备及存储介质。该文本识别方法包括：获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；将所述第一区域和所述第二区域加权后得到加权区域；根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。采用本发明的技术方案，通过将待识别图像切分为第一文本区域和第二文本区域，进一步的对所述第一文本区域的识别结果和第二文本区域的识别结果合并得到所述文本识别结果，不仅提升了文本识别速度，还提供了良好的用户体验。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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

为了更清楚地说明本申请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申请的一些实施例，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是根据本发明实施例一提供的一种文本识别方法的流程示意图；

图2是根据本发明实施例提供的一种文本识别装置的结构示意图；

图3是用来实现本发明实施例的文本识别方法的电子设备的框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”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，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“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。

实施例一

根据本申请实施例，提供了一种文本识别方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。如图1所示，该文本识别方法包括如下步骤：S110、S120和S130。

S110、获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的文本内容顺序在所述第二文本区域的文本内容的顺序之前，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同。

将扫描设备获取的图像通过文本检测算法得到待识别图像，示例性的，如果所述扫描设备为扫描笔，通过将扫描笔端的摄像头拍摄的多张图像进行图像拼接之后，进一步的对拼接后的图像实施文本检测，并且对检测结果进行拉直处理得到包含平直文本行的待识别图像。通过将所述待识别图像输入文本识别模型确定文本识别结果。

示例性的，首先，将所述待识别图像在固定宽高比的情况下进行下采样，将图像缩小到(32，W，3)的大小，W表示任意宽度。其次，将经过下采样之后的待识别图像切分成两个图像，其中，第一切分图像对应第一文本区域，第二切分图像对应第二文本区域。每个文本区域被划分成第一区域和第二区域，所述第一文本区域的第一区域为所述第一文本区域末端，所述第二文本区域的第二区域为所述第二文本区域的首端，该末端区域和首端区域的文本内容相同。事实上，在切分过程中有极大的概率将单个文本区域中一个字符切分成两个，或者存在将一个单词切分成两部分的情况；容易造成对所述第一文本区域和第二文本区域的识别结果出错，使得对两个文本区域中具有相同文本内容的所述第一区域和所述第二区域的识别结果可能不清楚，不能确定使用在先第一区域的文本识别结果还是使用在后第二区域的文本识别结果。

S120、将所述第一区域和所述第二区域加权后得到加权区域。

所述第一区域为所述第一文本区域对应图像中的部分区域，所述第二区域为所述第二文本区域对应图像中的部分区域，二者以不同的图像(第一切分图像和第二切分图像)输入文本识别模型，由于所述第一区域在所述第一切分图像的末端，所述第二区域在所述第二切分图像的首端，位置不相同导致对具有相同文本内容的第一区域和第二区域的识别结果不同。在模型的推理过程中无法甄别使用第一区域的识别结果还是使用第二区域的识别结果，通过所述第一区域和第二区域的输出后验概率矩阵的重新计算来确定，其中，图像可以用矩阵来表示，值为像素。

可选的，所述将所述第一区域和所述第二区域加权后得到加权区域，包括：

将所述第一区域和所述第二区域求和后取平均值，得到所述加权区域。

示例性的，若所述第一文本区域和所述第二文本区域之间存在相同文本内容的图像区域为25×7000的矩阵，将该矩阵进行重新加权计算。选择第一文本区域的最后25个切片(slice)的概率矩阵以及第二文本区域的最前25个切片的概率矩阵对应的加和取平均值。需要说明的是，所述最后25个切片的概率矩阵表示所述第一区域，所述最前25个切片的概率矩阵表示所述第二区域，对这两个概率矩阵对应位置的像素值求和之后计算平均值，得到新的概率矩阵，该新的概率矩阵表示所述加权区域。

S130、根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。

所述第一文本区域的其余区域表示所述第一文本区域的第二区域，其区域面积大于所述第一文本区域的第一区域；所述第二文本区域的其余区域表示所述第二文本区域的第一区域，其区域面积大于所述第二文本区域的第二区域。换言之，将所述第一文本区域内除第一区域之外的其他区域、所述加权区域以及所述第二文本区域内除第二区域之外的其他区域对应的概率矩阵拼接在一起，形成所述目标区域对应的概率矩阵；进一步的，将其转换成文本格式的文本识别结果。

可选的，在所述根据文本识别模型识别目标区域，得到文本识别结果之前，还包括：

将所述第一文本区域的其余区域、所述加权区域和所述第二文本区域的其余区域顺序排列后，删除空白区域以及重复字符，得到所述目标区域。

可选的，在所述根据文本识别模型识别目标区域，得到文本识别结果之前，还包括：

根据文本识别网络以及训练数据集确定所述文本识别模型。

所述文本识别模型中的特征提取采用残差网络Resnet-18作为图像分类网络结构，综合深层次的语义信息和浅层的结构以及纹理信息表示输入的待识别图像的特征；相较于卷积循环神经网络(Convolutional Recurrent Neural Network,RCNN)而言，本发明实施例采用的残差网络Resnet-18参数量少，而且使用该网络结构实现了在RCNN中的下采样将所提取的特征降低特征维度的基础上缩小了1/2，表示在图像的宽度层面将每个切片(slice)中的像素扩大了一倍，比如，CRNN网络是将4个像素作为一个slice；而Resnet-18是将8个像素作为一个slice切片，提高了文本识别模型的训练速度和推理速度。在对所述Resnet-18得到特征矩阵的压缩变换之后，输入全连接网络+分类网络(Softmax)得到输出结果，并且根据损失函数和该输出结果选择收敛的文本识别模型。采用经典的ctc loss作为模型训练的损失函数，量化所述文本识别模型，使得在边缘端这种有限的内存和计算资源的硬件中文本识别模型的识别速度更快。其中，所述文本识别模型的训练数据根据不同的应用场景使用开源工具生成，通过在数据预处理的过程中添加一定的数据增强，保证模型的泛化性；并且对训练数据不断迭代直至loss收敛。另外，采用在多个测试集上的单字符识别精度挑选模型，保证模型的识别精度；本发明实施例选择单字符识别精度为97％的模型。

可选的，所述文本识别模型为基于边缘端的文本识别模型。

与所述基于边缘端的文本识别模型相比，ctc loss采用计算经过变换函数得到的相同识别结果所有路径的概率的方法实现转化，得到文本识别结果，在大小为120×7000输出的概率矩阵中搜索并计算不同路径变化后的概率耗时很长。然而，本发明实施例通过将每个切片(slice)最大的输出概率所对应的字符构成的集合变换得到所述文本识别结果：首先提取每个slice最大概率的索引并映射查找其对应的字符类别，然后删除空白和重复字符将所述目标区域对应的概率矩阵转化为所述文本识别结果。不仅减少了搜索矩阵的耗时，同时，提升了文本识别结果的准确度。

值得注意的是：所述基于边端的文本识别模型针对不同的场景中的文本识别，可识别的文字数量能够达到7000以上，包括中文和英文，采用所述文本识别方法极大的提高了模型的推理速度；而且所述经过量化之后的文本识别模型不会存在大量损失的状况，能够精确地完成识别任务。另外，该文本识别模型部署在边缘端，无需云端服务器的辅助，可以离线或者脱网使用，在内存、带宽和计算资源有限的条件下完成实时识别，在降低了模型推理错误的同时为用户提供了良好体验。

本发明实施例公开了一种文本识别方法，该文本识别方法包括：获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；将所述第一区域和所述第二区域加权后得到加权区域；根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。采用本发明的技术方案，通过将待识别图像切分为第一文本区域和第二文本区域，进一步的对所述第一文本区域的识别结果和第二文本区域的识别结果合并得到所述文本识别结果，不仅提升了文本识别速度，还提供了良好的用户体验。

实施例二

根据本发明实施例，提供了一种文本识别装置的结构示意图，该装置可以执行上述实施例一提供的文本识别方法。如图2所示，该装置包括：获取模块210、加权模块220和识别模块230。其中：

获取模块210，用于获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的文本内容顺序在所述第二文本区域的文本内容的顺序之前，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同。

加权模块220，用于将所述第一区域和所述第二区域加权后得到加权区域。

识别模块230，用于根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。

可选的，所述加权模块220，包括：将所述第一区域和所述第二区域求和后取平均值，得到所述加权区域。

可选的，在所述识别模块230之前，还包括：根据文本识别网络以及训练数据集确定所述文本识别模型。

可选的，在所述识别模块230之前，还包括：

将所述第一文本区域的其余区域、所述加权区域和所述第二文本区域的其余区域顺序排列后，删除空白区域以及重复字符，得到所述目标区域。

可选的，所述文本识别模型为基于边缘端的文本识别模型。

本发明实施例公开了一种文本识别装置，该文本识别装置包括：获取模块，用于获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；加权模块，用于将所述第一区域和所述第二区域加权后得到加权区域；识别模块，用于根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。采用本发明的技术方案，通过将待识别图像切分为第一文本区域和第二文本区域，进一步的对所述第一文本区域的识别结果和第二文本区域的识别结果合并得到所述文本识别结果，不仅提升了文本识别速度，还提供了良好的用户体验。

实施例三

下面参考图3，其示出了适于用来实现本发明实施例的电子设备300的结构图。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/或者要求的本发明的实现。

如图3所示，电子设备300可以包括处理装置310，其可以根据存储在只读存储器(ROM)320中的程序或者从存储装置380加载到随机访问存储器(RAM)330中的程序而执行各种适当的动作和处理。处理装置310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。处理装置310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。处理装置310执行上文所描述的各个方法和处理。

在RAM 330中，还存储有电子设备300操作所需的各种程序和数据。处理装置310、ROM 320以及RAM 330通过总线340彼此相连。输入/输出(I/O)接口350也连接至总线340。

通常，以下装置可以连接至I/O接口350：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360；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置370；包括例如磁带、硬盘等的存储装置380；以及通信装置390。通信装置390可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，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，根据本发明的实施例，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，本发明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390从网络上被下载和安装，或者从存储装置380被安装，或者从ROM 320被安装。在该计算机程序被处理装置310执行时，执行本发明实施例的方法中限定的上述功能。备选地，在其他实施例中，处理装置310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：获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的文本内容顺序在所述第二文本区域的文本内容的顺序之前，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；将所述第一区域和所述第二区域加权后得到加权区域；根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。

实施例四

本发明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。在本发明中，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。而在本发明中，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：获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的文本内容顺序在所述第二文本区域的文本内容的顺序之前，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；将所述第一区域和所述第二区域加权后得到加权区域；根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。

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发明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，图示了按照本发明各种实施例的系统、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。

描述于本发明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。

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：数字电子电路系统、集成电路系统、现场可编程门阵列(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/或它们的组合等等。

用于实施本发明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。

在本发明的上下文中，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)区块链网络和互联网。

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，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。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。

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、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。

云计算(cloud computing)，指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。

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

Claims (10)

1.一种文本识别方法，其特征在于，所述方法包括：

获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的文本内容顺序在所述第二文本区域的文本内容的顺序之前，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；

将所述第一区域和所述第二区域加权后得到加权区域；

根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。

2.根据权利要求1所述的方法，其特征在于，在所述根据文本识别模型识别目标区域，得到文本识别结果之前，还包括：

根据文本识别网络以及训练数据集确定所述文本识别模型。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一区域和所述第二区域加权后得到加权区域，包括：

将所述第一区域和所述第二区域求和后取平均值，得到所述加权区域。

4.根据权利要求1所述的方法，其特征在于，在所述根据文本识别模型识别目标区域，得到文本识别结果之前，还包括：

将所述第一文本区域的其余区域、所述加权区域和所述第二文本区域的其余区域顺序排列后，删除空白区域以及重复字符，得到所述目标区域。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述文本识别模型为基于边缘端的文本识别模型。

6.一种文本识别装置，其特征在于，所述装置包括：

获取模块，用于获取待识别图像的第一文本区域和第二文本区域，所述第一文本区域的文本内容顺序在所述第二文本区域的文本内容的顺序之前，所述第一文本区域的第一区域和所述第二文本区域的第二区域的文本内容相同；

加权模块，用于将所述第一区域和所述第二区域加权后得到加权区域；

识别模块，用于根据文本识别模型识别目标区域，得到文本识别结果，所述目标区域包括所述第一文本区域的其余区域、所述第二文本区域的其余区域和所述加权区域。

7.根据权利要求6所述的装置，其特征在于，所述加权模块，包括：将所述第一区域和所述第二区域求和后取平均值，得到所述加权区域。

8.根据权利要求6所述的装置，其特征在于，在所述识别模块之前，还包括：根据文本识别网络以及训练数据集确定所述文本识别模型。

9.一种电子设备，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实现如权利要求1-5中任一项所述的方法。

10.一种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1-5中任一项所述的方法。

Images