CN115311664A - 图像中文本类别的识别方法、装置、介质及设备 - Google Patents

图像中文本类别的识别方法、装置、介质及设备 Download PDF

Info

Publication number
CN115311664A
CN115311664A CN202210979552.6A CN202210979552A CN115311664A CN 115311664 A CN115311664 A CN 115311664A CN 202210979552 A CN202210979552 A CN 202210979552A CN 115311664 A CN115311664 A CN 115311664A
Authority
CN
China
Prior art keywords
text
feature
image
features
recognition
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
Application number
CN202210979552.6A
Other languages
English (en)
Inventor
陈利军
王语斌
徐敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongdun Technology Co ltd
Original Assignee
Tongdun Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongdun Technology Co ltd filed Critical Tongdun Technology Co ltd
Priority to CN202210979552.6A priority Critical patent/CN115311664A/zh
Publication of CN115311664A publication Critical patent/CN115311664A/zh
Pending legal-status Critical Current

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
    • G06V30/19—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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V30/14—Image acquisition
    • G06V30/146—Aligning or centring of the image pick-up or image-field
    • G06V30/147—Determination of region of interest
    • 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
    • G06V30/18—Extraction of features or characteristics of the image
    • 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
    • G06V30/1918—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion

Abstract

本申请提供一种图像中文本类别的识别方法、图像中文本类别的识别装置、计算机可读存储介质及电子设备，涉及计算机技术领域，该方法包括：提取待识别图像的文本检测特征、文本区域信息、文本识别特征；对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征；根据多维度参考特征识别待识别图像中文本内容的类别。这样可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取，从而得到多维度参考特征，再基于多维度参考特征进行图像文本类别的识别，可以得到精度更高的类别识别结果。

Description

图像中文本类别的识别方法、装置、介质及设备
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种图像中文本类别的识别方法、图像中文本类别的识别装置、计算机可读存储介质及电子设备。
背景技术
在图像中文本进行特定类型的识别时，通常依赖的是例如光学字符识别模型(Optical Character Recognition,OCR)这一类的模型，这类模型需要先对图像进行特征提取，再基于最终得到的特征识别出图像中的文本，进而对文本进行特定类型的识别，即，是一种先获取文本识别结果，再对文本识别结果进行文本后处理得到文本类型识别结果的方式。该方法需要依赖OCR的文本识别能力，如果OCR的文本识别结果不准确，则容易导致对于文本的特定类型判定也是不准确的。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有方案的信息。
发明内容
本申请的目的在于提供一种图像中文本类别的识别方法、图像中文本类别的识别装置、计算机可读存储介质及电子设备，可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取，从而得到多维度参考特征，再基于多维度参考特征进行图像文本类别的识别，可以得到精度更高的类别识别结果。此外，由于本申请可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取并基于提取到的多维度特征进行图像文本识别，相较于现有技术基于OCR等模型通过图像特征提取的最终特征进行图像文本类别识别，不依赖于OCR的识别能力以及任何复杂的后处理技术，就可以完成对于文本的类别识别工作，还可以避免图像中文本的识别结果受到特征提取阶段噪声的影响，即，进一步提升图像中文本类别的识别精度。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请的一方面，提供一种图像中文本类别的识别方法，该方法包括：
提取待识别图像的文本检测特征、文本区域信息、文本识别特征；
对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征；
根据多维度参考特征识别待识别图像中文本内容的类别。
在本申请的一种示例性实施例中，根据多维度参考特征识别待识别图像中文本内容的类别之前，上述方法还包括：
基于文本检测特征、文本区域信息、文本识别特征获取待识别图像的文本内容。
在本申请的一种示例性实施例中，提取待识别图像的文本检测特征、文本区域信息、文本识别特征，包括：
从文本识别模型的串行排列的各处理阶段中分别提取待识别图像的文本检测特征、文本区域信息、文本识别特征。
在本申请的一种示例性实施例中，根据多维度参考特征识别待识别图像中文本内容的类别之后，上述方法还包括：
基于类别和文本内容生成对应于待识别图像的识别结果。
在本申请的一种示例性实施例中，多维度参考特征包括第一参考特征、第二参考特征、第三参考特征，对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征，包括：
对文本检测特征和文本区域信息进行特定区域池化处理，得到第一参考特征；
对文本区域信息进行区域特征编码，得到第二参考特征；
对文本识别特征进行文本特征编码，得到第三参考特征。
在本申请的一种示例性实施例中，对文本检测特征和文本区域信息进行特定区域池化处理，得到第一参考特征，包括：
根据文本区域信息确定区域坐标集合；
基于区域坐标集合对文本检测特征进行特定区域池化处理，得到第一参考特征。
在本申请的一种示例性实施例中，对文本区域信息进行区域特征编码，得到第二参考特征，包括：
对文本区域信息进行区域特征编码，以获取文本区域信息对应的归一化质心以及归一化面积；
根据归一化质心和归一化面积生成第二参考特征。
在本申请的一种示例性实施例中，对文本识别特征进行文本特征编码，得到第三参考特征，包括：
基于包含多个编码器和多个解码器的文本编码器对文本识别特征进行文本特征编码，得到第三参考特征。
在本申请的一种示例性实施例中，根据多维度参考特征识别待识别图像中文本内容的类别，包括：
将第一参考特征、第二参考特征、第三参考特征进行特征融合，得到目标特征；
基于目标特征对待识别图像中文本内容进行分类，以确定待识别图像中文本内容的类别。
根据本申请的一方面，提供一种图像中文本类别的识别装置，包括：
第一特征提取单元，用于提取待识别图像的文本检测特征、文本区域信息、文本识别特征；
第二特征提取单元，用于对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征；
分类单元，用于根据多维度参考特征识别待识别图像中文本内容的类别。
在本申请的一种示例性实施例中，上述装置还包括：
文本内容获取单元，用于在分类单元根据多维度参考特征识别待识别图像中文本内容的类别之前，基于文本检测特征、文本区域信息、文本识别特征获取待识别图像的文本内容。
在本申请的一种示例性实施例中，第一特征提取单元提取待识别图像的文本检测特征、文本区域信息、文本识别特征，包括：
从文本识别模型的串行排列的各处理阶段中分别提取待识别图像的文本检测特征、文本区域信息、文本识别特征。
在本申请的一种示例性实施例中，上述装置还包括：
识别结果生成单元，用于在分类单元根据多维度参考特征识别待识别图像中文本内容的类别之后，基于类别和文本内容生成对应于待识别图像的识别结果。
在本申请的一种示例性实施例中，多维度参考特征包括第一参考特征、第二参考特征、第三参考特征，第二特征提取单元对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征，包括：
对文本检测特征和文本区域信息进行特定区域池化处理，得到第一参考特征；
对文本区域信息进行区域特征编码，得到第二参考特征；
对文本识别特征进行文本特征编码，得到第三参考特征。
在本申请的一种示例性实施例中，第二特征提取单元对文本检测特征和文本区域信息进行特定区域池化处理，得到第一参考特征，包括：
根据文本区域信息确定区域坐标集合；
基于区域坐标集合对文本检测特征进行特定区域池化处理，得到第一参考特征。
在本申请的一种示例性实施例中，第二特征提取单元对文本区域信息进行区域特征编码，得到第二参考特征，包括：
对文本区域信息进行区域特征编码，以获取文本区域信息对应的归一化质心以及归一化面积；
根据归一化质心和归一化面积生成第二参考特征。
在本申请的一种示例性实施例中，第二特征提取单元对文本识别特征进行文本特征编码，得到第三参考特征，包括：
基于包含多个编码器和多个解码器的文本编码器对文本识别特征进行文本特征编码，得到第三参考特征。
在本申请的一种示例性实施例中，分类单元根据多维度参考特征识别待识别图像中文本内容的类别，包括：
将第一参考特征、第二参考特征、第三参考特征进行特征融合，得到目标特征；
基于目标特征对待识别图像中文本内容进行分类，以确定待识别图像中文本内容的类别。
根据本申请的一方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意一项的方法。
根据本申请的一方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述任意一项的方法。
本申请示例性实施例可以具有以下部分或全部有益效果：
在本申请的一示例实施方式所提供的图像中文本类别的识别方法中，可以提取待识别图像的文本检测特征、文本区域信息、文本识别特征；对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征；根据多维度参考特征识别待识别图像中文本内容的类别。这样可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取，从而得到多维度参考特征，再基于多维度参考特征进行图像文本类别的识别，可以得到精度更高的类别识别结果。此外，由于本申请可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取并基于提取到的多维度特征进行图像文本识别，相较于现有技术基于OCR等模型通过图像特征提取的最终特征进行图像文本类别识别，不依赖于OCR的识别能力以及任何复杂的后处理技术，就可以完成对于文本的类别识别工作，还可以避免图像中文本的识别结果受到特征提取阶段噪声的影响，即，进一步提升图像中文本类别的识别精度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。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示出了可以应用本申请实施例的一种图像中文本类别的识别方法及图像中文本类别的识别装置的示例性系统架构的示意图；
图2示意性示出了根据本申请的一个实施例的图像中文本类别的识别方法的流程图；
图3示意性示出了根据本申请的另一个实施例的图像中文本类别的识别方法的流程图；
图4示意性示出了根据本申请的图像识别系统的示意图；
图5示意性示出了根据本申请的文本编码器的示意图；
图6示意性示出了根据本申请的特征融合过程示意图；
图7示意性示出了根据本申请的图像中文本的识别结果示意图；
图8示意性示出了根据本申请的一个实施例中的图像中文本类别的识别装置的结构框图；
图9示意性示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本申请的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本申请的各方面变得模糊。
此外，附图仅为本申请的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
请参阅图1，图1示出了可以应用本申请实施例的一种图像中文本类别的识别方法及图像中文本类别的识别装置的示例性应用环境的系统架构的示意图。如图1所示，系统架构100可以包括终端设备101、102、103中的一个或多个，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、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是指向用户提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备。无线终端可以经RAN与一个或多个核心网进行通信。无线终端可以是用户设备(user equipment，UE)、手持终端、笔记本电脑、用户单元(subscriber unit)、蜂窝电话(cellular phone)、智能电话(smart phone)、无线数据卡、个人数字助理(personal digital assistant，PDA)电脑、平板型电脑、无线调制解调器(modem)、手持设备(handheld)、膝上型电脑(laptop computer)、无绳电话(cordless phone)或者无线本地环路(wireless local loop，WLL)台、机器类型通信(machine type communication，MTC)终端或是其他可以接入网络的设备。终端与接入网设备之间采用某种空口技术(例如，3GPP接入技术或者非3GPP接入技术)相互通信。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。比如服务器105可以是多个服务器组成的服务器集群等。
本申请实施例所提供的图像中文本类别的识别方法可以由服务器105执行，相应地，图像中文本类别的识别装置一般设置于服务器105中。但本领域技术人员容易理解的是，本申请实施例所提供的图像中文本类别的识别方法也可以由终端设备101、102或103执行，相应的，图像中文本类别的识别装置也可以设置于终端设备101、102或103中，本示例性实施例中对此不做特殊限定。举例而言，在一种示例性实施例中，终端设备101、102或103可以上传待识别图像，服务器105可以提取待识别图像的文本检测特征、文本区域信息、文本识别特征；对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征；根据多维度参考特征识别待识别图像中文本内容的类别。
请参阅图2，图2示意性示出了根据本申请的一个实施例的图像中文本类别的识别方法的流程图。如图2所示，该图像中文本类别的识别方法可以包括：步骤S210～步骤S230。
步骤S210：提取待识别图像的文本检测特征、文本区域信息、文本识别特征。
步骤S220：对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征。
步骤S230：根据多维度参考特征识别待识别图像中文本内容的类别。
实施图2所示的方法，可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取，从而得到多维度参考特征，再基于多维度参考特征进行图像文本类别的识别，可以得到精度更高的类别识别结果。此外，由于本申请可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取并基于提取到的多维度特征进行图像文本识别，相较于现有技术基于OCR等模型通过图像特征提取的最终特征进行图像文本类别识别，不依赖于OCR的识别能力以及任何复杂的后处理技术，就可以完成对于文本的类别识别工作，还可以避免图像中文本的识别结果受到特征提取阶段噪声的影响，即，进一步提升图像中文本类别的识别精度。
下面，对于本示例实施方式的上述步骤进行更加详细的说明。
在步骤S210中，提取待识别图像的文本检测特征、文本区域信息、文本识别特征。
具体地，文本检测特征、文本区域信息、文本识别特征可以对应于不同的表征方式也可以对应于相同的表征方式，本申请实施例不作限定。
其中，提取待识别图像的文本检测特征、文本区域信息、文本识别特征，包括：基于光学字符识别模型(Optical Character Recognition,OCR)提取待识别图像的文本检测特征、文本区域信息、文本识别特征；其中，文本检测特征、文本区域信息、文本识别特征对应于OCR特征提取的不同阶段。这样可以有利于实现对于文本识别模型和类别识别模型的联合应用，从而有利于提升对于文本类别的识别精度。
具体可以包括：基于OCR中的文本检测模型主干网络(backbone)的卷积层对待识别图像进行特征提取，并通过文本检测模型中间网络(neck)[如，特征图金字塔网络(Feature Pyramid Networks，FPN)]对特征提取结果进行进一步特征提取，得到文本检测特征；进而，将文本检测特征输入文本检测模型内容输出网络(head)，以获取待识别图像的文本区域信息；进而，可以。基于OCR中的文本识别模型主干网络(backbone)的卷积层对文本区域信息进行特征提取，并将提取到的特征输入文本识别模型中间网络(neck)对特征提取结果进行进一步特征提取，以获取文本识别特征。
进而，上述方法还可以包括：将文本识别特征输入文本识别模型内容输出网络(head)，以获取待识别图像的文本内容。
在步骤S220中，对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征。
具体地，多维度参考特征包括多个维度的参考特征，本申请对于参考特征的数量不作限定，不同维度的参考特征之间不相同，表征意义也不同。
作为一种可选的实施例，多维度参考特征包括第一参考特征、第二参考特征、第三参考特征，对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征，包括：对文本检测特征和文本区域信息进行特定区域池化处理，得到第一参考特征；对文本区域信息进行区域特征编码，得到第二参考特征；对文本识别特征进行文本特征编码，得到第三参考特征。这样可以基于第一参考特征、第二参考特征、第三参考特征提升对于图像的表征能力，有利于提升对于图像的识别精度。
具体地，第一参考特征、第二参考特征、第三参考特征可以对应于相同的维数也可以对应于不同的维数，本申请实施例不作限定。
作为一种可选的实施例，对文本检测特征和文本区域信息进行特定区域池化处理，得到第一参考特征，包括：根据文本区域信息确定区域坐标集合；基于区域坐标集合对文本检测特征进行特定区域池化处理，得到第一参考特征。这样可以获取到文本检测特征和文本区域信息对应的区域池化处理结果，基于区域池化处理结果进行图像文本识别可以得到更为准确的结果。
具体地，根据文本区域信息确定区域坐标集合，包括：将文本区域信息输入感兴趣区域池化模块(Region of Interest Pooling,RoI pooling)，以使得感兴趣区域池化模块确定文本区域信息对应的区域坐标集合S。
进而，基于区域坐标集合对文本检测特征进行特定区域池化处理，得到第一参考特征，包括：将区域坐标集合和文本检测特征D代入表达式
Figure BDA0003799820730000101
以计算第一参考特征FD；其中，
Figure BDA0003799820730000102
H用于表示待识别图像的高度，W用于表示待识别图像的宽度，FD为维度RC的特征向量，S为文本区域P包围的区域坐标集合P＝{(x1,y1),(x2,y2),……,(xn,yn)}，n为正整数，(i,j)用于表示区域坐标集合中的坐标，i表示横坐标，j表示纵坐标。
作为一种可选的实施例，对文本区域信息进行区域特征编码，得到第二参考特征，包括：对文本区域信息进行区域特征编码，以获取文本区域信息对应的归一化质心以及归一化面积；根据归一化质心和归一化面积生成第二参考特征。这样可以获取到文本区域信息对应的区域特征编码结果，基于区域特征编码结果进行图像文本识别可以得到更为准确的结果。
具体地，对文本区域信息进行区域特征编码，以获取文本区域信息对应的归一化质心以及归一化面积，包括：将文本区域信息输入文本区域特征编码器(Polygon Encoder,PE)，以对文本区域信息对应的区域坐标集合P＝{(x1,y1),9x2,y2),……,(xn,yn)}进行区域特征编码，以获取文本区域信息对应的归一化质心(xc,yc)以及归一化面积A，其中，
Figure BDA0003799820730000111
进而，根据归一化质心和归一化面积生成第二参考特征，包括：将归一化质心(xc,yc)以及归一化面积A代入Fp＝[A,xc,yc]，以生成第二参考特征Fp。
作为一种可选的实施例，对文本识别特征进行文本特征编码，得到第三参考特征，包括：基于包含多个编码器和多个解码器的文本编码器对文本识别特征进行文本特征编码，得到第三参考特征。这样可以获取到文本识别特征对应的文本特征编码结果，基于文本特征编码结果进行图像文本识别可以得到更为准确的结果。
具体地，基于包含多个编码器和多个解码器的文本编码器对文本识别特征进行文本特征编码，得到第三参考特征，包括：基于包含多个编码器和多个解码器的文本编码器(Text Feature Encoder，TE)的表达式FT＝ViT(T)对文本识别特征T进行文本特征编码，得到第三参考特征FT；其中，T∈RN×K，FT∈RK，K为文本特征嵌入维度(例如，K＝512)，N用于表征文本长度。
在步骤S230中，根据多维度参考特征识别待识别图像中文本内容的类别。
具体地，当本申请实施例应用于广告领域时，类别可以包括：广告类、非广告类。当本申请实施例应用于学术领域时，类别可以包括：学术类、非学术类。
作为一种可选的实施例，根据多维度参考特征识别待识别图像中文本内容的类别，包括：将第一参考特征、第二参考特征、第三参考特征进行特征融合，得到目标特征；基于目标特征对待识别图像中文本内容进行分类，以确定待识别图像中文本内容的类别。这样可以基于第一参考特征、第二参考特征、第三参考特征的融合结果进行图像中的文本类别识别，提升识别结果的精度，降低OCR特征提取结果中噪声对于识别结果的影响，提升图像文本识别方案的泛化能力。
具体地，将第一参考特征、第二参考特征、第三参考特征进行特征融合，得到目标特征，包括：将第一参考特征FD、第二参考特征FP、第三参考特征FT输入特征融合(FeatureFusion,FF)模块，以通过特征融合(Feature Fusion,FF)模块基于表达式
Figure BDA0003799820730000121
计算得到目标特征F，F∈R3d，d为嵌入维度的超参数(如，d＝128)；其中，
Figure BDA0003799820730000122
Figure BDA0003799820730000123
其中，ReLU为非线性激活函数，WD、bD、WP、bP、WT、bT为可学习的模型参数。
进而，基于目标特征对待识别图像中文本内容进行分类，以确定待识别图像中文本内容的类别，包括：将目标特征F输入分类器，以使得分类器基于表达式Q＝Softmax((FWQ)+bQ)确定出待识别图像的类别，WQ∈R3d×2，bQ∈R2；其中，分类器可以理解为全连接神经网络，该网络可以是一种二分类网络或多分类网络，本申请实施例不作限定，Softmax为激活函数，WQ和bQ为可学习的模型参数。其中，Q用于表征待识别图像中文本属于各类别的概率，可以将最大概率对应的类别确定为待识别图像中相应文本的类别。
作为一种可选的实施例，根据多维度参考特征识别待识别图像中文本内容的类别之前，上述方法还包括：基于文本检测特征、文本区域信息、文本识别特征获取待识别图像的文本内容。这样可以获取到待识别图像的文本内容，以便后续生成能够更准确表征待识别图像的识别结果。
具体地，基于文本检测特征、文本区域信息、文本识别特征获取待识别图像的文本内容，包括：基于光学字符识别模型(Optical Character Recognition,OCR)提取待识别图像的文本检测特征、文本区域信息、文本识别特征。
作为一种可选的实施例，根据多维度参考特征识别待识别图像中文本内容的类别之后，上述方法还包括：基于类别和文本内容生成对应于待识别图像的识别结果。这样可以基于类别和文本内容生成表征能力更强的识别结果。
具体地，基于类别和文本内容生成对应于待识别图像的识别结果，包括：将待识别图像、类别和文本内容进行关联，将关联结果作为识别结果输出，其中，识别结果可以表示为文本、图像、表格等形式，本申请实施例不作限定。其中，需要说明的是，若文本内容存在多行时，类别也可以包含多个，分别用于表征不同的文本行的所属类别。
请参阅图3，图3示意性示出了根据本申请的另一个实施例的图像中文本类别的识别方法的流程图。如图3所示，该图像中文本类别的识别方法可以包括：步骤S310～步骤S380。
步骤S310：提取待识别图像的文本检测特征、文本区域信息、文本识别特征。
步骤S320：基于文本检测特征、文本区域信息、文本识别特征获取待识别图像的文本内容。
步骤S330：根据文本区域信息确定区域坐标集合，并基于区域坐标集合对文本检测特征进行特定区域池化处理，得到第一参考特征。
步骤S340：对文本区域信息进行区域特征编码，以获取文本区域信息对应的归一化质心以及归一化面积，并根据归一化质心和归一化面积生成第二参考特征。
步骤S350：基于包含多个编码器和多个解码器的文本编码器对文本识别特征进行文本特征编码，得到第三参考特征。
步骤S360：将第一参考特征、第二参考特征、第三参考特征进行特征融合，得到目标特征。
步骤S370：基于目标特征对待识别图像中文本内容进行分类，以确定待识别图像中文本内容的类别。
步骤S380：基于类别和文本内容生成对应于待识别图像的识别结果。
需要说明的是，步骤S310～步骤S380与图2所示的各步骤及其实施例相对应，针对步骤S310～步骤S380的具体实施方式，请参阅图2所示的各步骤及其实施例，此处不再赘述。
可见，实施图3所示的方法，可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取，从而得到多维度参考特征，再基于多维度参考特征进行图像文本类别的识别，可以得到精度更高的类别识别结果。此外，由于本申请可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取并基于提取到的多维度特征进行图像文本识别，相较于现有技术基于OCR等模型通过图像特征提取的最终特征进行图像文本类别识别，不依赖于OCR的识别能力以及任何复杂的后处理技术，就可以完成对于文本的类别识别工作，还可以避免图像中文本的识别结果受到特征提取阶段噪声的影响，即，进一步提升图像中文本类别的识别精度。
请参阅图4，图4示意性示出了根据本申请的图像识别系统的示意图。如图4所示，该图像识别系统可以包括：OCR410、类别识别模型420。其中，OCR410可以包括文本检测模型411、文本识别模型412，文本检测模型411可以包括主干网络(backbone)4111、中间网络(neck)4112、内容输出网络(head)4113，文本识别模型412可以包括主干网络(backbone)4121、中间网络(neck)4122、内容输出网络(head)4123。类别识别模型420可以包括结构化特征提取模块421、分类器422。结构化特征提取模块421可以包括感兴趣区域池化模块(Region of Interest Pooling,RoI pooling)4211、文本区域特征编码器(PolygonEncoder,PE)4212、文本编码器(Text Feature Encoder，TE)4213、特征融合模块4214。
具体地，可以将待识别图像输入文本检测模型411，以使得文本检测模型411通过主干网络(backbone)4111、中间网络(neck)4112、内容输出网络(head)4113提取待识别图像的文本检测特征、文本区域信息。进而，文本检测模型411还可以将输出的文本区域信息输入文本识别模型412，以使得文本识别模型412通过主干网络(backbone)4121、中间网络(neck)4122、内容输出网络(head)4123提取待识别图像的文本识别特征。进而，可以基于文本识别特征获取到待识别图像的文本内容。
以及，可以通过感兴趣区域池化模块(Region of Interest Pooling,RoIpooling)4211并根据文本区域信息确定区域坐标集合，并基于区域坐标集合对文本检测特征进行特定区域池化处理，得到第一参考特征；以及，可以通过文本区域特征编码器(Polygon Encoder,PE)4212对文本区域信息进行区域特征编码，以获取文本区域信息对应的归一化质心以及归一化面积，并根据归一化质心和归一化面积生成第二参考特征；以及，可以通过文本编码器(Text Feature Encoder，TE)4213基于包含多个编码器和多个解码器的文本编码器对文本识别特征进行文本特征编码，得到第三参考特征。
进而，可以通过特征融合模块4214将第一参考特征、第二参考特征、第三参考特征进行特征融合，得到目标特征，并将目标特征输入分类器422，分类器422可以基于目标特征对待识别图像中文本内容进行分类，以确定待识别图像中文本内容的类别。进而，基于类别和文本内容可以生成对应于待识别图像的识别结果。其中，分类器422可以是二分类模型也可以是多分类模型。
请参阅图5，图5示意性示出了根据本申请的文本编码器的示意图。如图5所示，文本编码器可以包括Transformer Encoder模型510、MLP Head模型520；其中，TransformerEncoder模型510用于执行多次特征编解码，MLP Head模型520用于对Transformer Encoder模型510输出的结果进行特征解析。
具体地，文本识别特征可以由多个字符构建，每个字符可以对应于一个特征，按照各字符的顺序可以确定各字符的位置嵌入特征，将各字符的位置嵌入特征和每个字符可以对应的特征作为Transformer Encoder模型510的输入，以使得Transformer Encoder模型510输出对应于文本识别特征的特征提取结果，MLP Head模型520可以将该特征提取结果解析为第三参考特征。
请参阅图6，图6示意性示出了根据本申请的特征融合过程示意图。如图6所示，在特征融合模块中，可以对第一参考特征610、第二参考特征620、第三参考特征630进行子特征交叉融合，从而得到目标特征640。
请参阅图7，图7示意性示出了根据本申请的图像中文本的识别结果示意图。如图7所示，通过图3所示的步骤可以将待识别图像710识别为文本内容720和类别730。其中，可以理解的是，文本内容720中的“奇趣简码编程”对应的类别730可以为“非广告”，文本内容720中的“QQ：1234321431534414”对应的类别730可以为“广告”，文本内容720中的“长按图片识别二维码，添加我的企业微信”对应的类别730可以为“非广告”。可见，实施本申请的实施例，可以提升对于文本类别的识别效率以及识别精度。
请参阅图8，图8示意性示出了根据本申请的一个实施例中的图像中文本类别的识别装置的结构框图。图像中文本类别的识别装置800与图2所示的方法相对应，如图8所示，该图像中文本类别的识别装置800包括：
第一特征提取单元801，用于提取待识别图像的文本检测特征、文本区域信息、文本识别特征；
第二特征提取单元802，用于对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征；
分类单元803，用于根据多维度参考特征识别待识别图像中文本内容的类别。
可见，实施图8所示的装置，可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取，从而得到多维度参考特征，再基于多维度参考特征进行图像文本类别的识别，可以得到精度更高的类别识别结果。此外，由于本申请可以将对应于不同特征提取阶段的文本检测特征、文本区域信息、文本识别特征进行特征提取并基于提取到的多维度特征进行图像文本识别，相较于现有技术基于OCR等模型通过图像特征提取的最终特征进行图像文本类别识别，不依赖于OCR的识别能力以及任何复杂的后处理技术，就可以完成对于文本的类别识别工作，还可以避免图像中文本的识别结果受到特征提取阶段噪声的影响，即，进一步提升图像中文本类别的识别精度。
在本申请的一种示例性实施例中，上述装置还包括：
文本内容获取单元，用于在分类单元803根据多维度参考特征识别待识别图像中文本内容的类别之前，基于文本检测特征、文本区域信息、文本识别特征获取待识别图像的文本内容。
可见，实施该可选的实施例，可以获取到待识别图像的文本内容，以便后续生成能够更准确表征待识别图像的识别结果。
在本申请的一种示例性实施例中，第一特征提取单元801提取待识别图像的文本检测特征、文本区域信息、文本识别特征，包括：
从文本识别模型的串行排列的各处理阶段中分别提取待识别图像的文本检测特征、文本区域信息、文本识别特征。
可见，实施该可选的实施例，可以有利于实现对于文本识别模型和类别识别模型的联合应用，从而有利于提升对于文本类别的识别精度。
在本申请的一种示例性实施例中，上述装置还包括：
识别结果生成单元，用于在分类单元803根据多维度参考特征识别待识别图像中文本内容的类别之后，基于类别和文本内容生成对应于待识别图像的识别结果。
可见，实施该可选的实施例，可以基于类别和文本内容生成表征能力更强的识别结果。
在本申请的一种示例性实施例中，多维度参考特征包括第一参考特征、第二参考特征、第三参考特征，第二特征提取单元802对文本检测特征、文本区域信息、文本识别特征分别进行结构化处理，得到多维度参考特征，包括：
对文本检测特征和文本区域信息进行特定区域池化处理，得到第一参考特征；
对文本区域信息进行区域特征编码，得到第二参考特征；
对文本识别特征进行文本特征编码，得到第三参考特征。
可见，实施该可选的实施例，可以基于第一参考特征、第二参考特征、第三参考特征提升对于图像的表征能力，有利于提升对于图像的识别精度。
在本申请的一种示例性实施例中，第二特征提取单元802对文本检测特征和文本区域信息进行特定区域池化处理，得到第一参考特征，包括：
根据文本区域信息确定区域坐标集合；
基于区域坐标集合对文本检测特征进行特定区域池化处理，得到第一参考特征。
可见，实施该可选的实施例，可以获取到文本检测特征和文本区域信息对应的区域池化处理结果，基于区域池化处理结果进行图像文本识别可以得到更为准确的结果。
在本申请的一种示例性实施例中，第二特征提取单元802对文本区域信息进行区域特征编码，得到第二参考特征，包括：
对文本区域信息进行区域特征编码，以获取文本区域信息对应的归一化质心以及归一化面积；
根据归一化质心和归一化面积生成第二参考特征。
可见，实施该可选的实施例，可以获取到文本区域信息对应的区域特征编码结果，基于区域特征编码结果进行图像文本识别可以得到更为准确的结果。
在本申请的一种示例性实施例中，第二特征提取单元802对文本识别特征进行文本特征编码，得到第三参考特征，包括：
基于包含多个编码器和多个解码器的文本编码器对文本识别特征进行文本特征编码，得到第三参考特征。
可见，实施该可选的实施例，可以获取到文本识别特征对应的文本特征编码结果，基于文本特征编码结果进行图像文本识别可以得到更为准确的结果。
在本申请的一种示例性实施例中，分类单元803根据多维度参考特征识别待识别图像中文本内容的类别，包括：
将第一参考特征、第二参考特征、第三参考特征进行特征融合，得到目标特征；
基于目标特征对待识别图像中文本内容进行分类，以确定待识别图像中文本内容的类别。
可见，实施该可选的实施例，可以基于第一参考特征、第二参考特征、第三参考特征的融合结果进行图像中的文本类别识别，提升识别结果的精度，降低OCR特征提取结果中噪声对于识别结果的影响，提升图像文本识别方案的泛化能力。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
由于本申请的示例实施例的图像中文本类别的识别装置的各个功能模块与上述图像中文本类别的识别方法的示例实施例的步骤对应，因此对于本申请装置实施例中未披露的细节，请参照本申请上述的图像中文本类别的识别方法的实施例。
请参阅图9，图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图9示出的电子设备的计算机系统900仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从储存部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统操作所需的各种程序和数据。CPU901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的储存部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入储存部分908。
特别地，根据本申请的实施例，上述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，本申请的实施例包括一种计算机程序产品，其包括承载在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部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本申请的方法和装置中限定的各种功能。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的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一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
需要说明的是，本申请所示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。在本申请中，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。而在本申请中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由前述的权利要求指出。

Claims (11)

1.一种图像中文本类别的识别方法，其特征在于，包括：
提取待识别图像的文本检测特征、文本区域信息、文本识别特征；
对所述文本检测特征、所述文本区域信息、所述文本识别特征分别进行结构化处理，得到多维度参考特征；
根据所述多维度参考特征识别所述待识别图像中文本内容的类别。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述文本检测特征、所述文本区域信息、所述文本识别特征获取所述待识别图像的文本内容。
3.根据权利要求1所述的方法，其特征在于，提取待识别图像的文本检测特征、文本区域信息、文本识别特征，包括：
从文本识别模型的串行排列的各处理阶段中分别提取待识别图像的文本检测特征、文本区域信息、文本识别特征。
4.根据权利要求1所述的方法，其特征在于，所述多维度参考特征包括第一参考特征、第二参考特征、第三参考特征，对所述文本检测特征、所述文本区域信息、所述文本识别特征分别进行结构化处理，得到多维度参考特征，包括：
对所述文本检测特征和所述文本区域信息进行特定区域池化处理，得到所述第一参考特征；
对所述文本区域信息进行区域特征编码，得到所述第二参考特征；
对所述文本识别特征进行文本特征编码，得到所述第三参考特征。
5.根据权利要求4所述的方法，其特征在于，对所述文本检测特征和所述文本区域信息进行特定区域池化处理，得到所述第一参考特征，包括：
根据所述文本区域信息确定区域坐标集合；
基于所述区域坐标集合对所述文本检测特征进行特定区域池化处理，得到所述第一参考特征。
6.根据权利要求4所述的方法，其特征在于，对所述文本区域信息进行区域特征编码，得到所述第二参考特征，包括：
对所述文本区域信息进行区域特征编码，以获取所述文本区域信息对应的归一化质心以及归一化面积；
根据所述归一化质心和所述归一化面积生成所述第二参考特征。
7.根据权利要求4所述的方法，其特征在于，对所述文本识别特征进行文本特征编码，得到所述第三参考特征，包括：
基于包含多个编码器和多个解码器的文本编码器对所述文本识别特征进行文本特征编码，得到所述第三参考特征。
8.根据权利要求4所述的方法，其特征在于，根据所述多维度参考特征识别所述待识别图像中文本内容的类别，包括：
将所述第一参考特征、所述第二参考特征、所述第三参考特征进行特征融合，得到目标特征；
基于所述目标特征对所述待识别图像中文本内容进行分类，以确定所述待识别图像中文本内容的类别。
9.一种图像中文本类别的识别装置，其特征在于，包括：
第一特征提取单元，用于提取待识别图像的文本检测特征、文本区域信息、文本识别特征；
第二特征提取单元，用于对所述文本检测特征、所述文本区域信息、所述文本识别特征分别进行结构化处理，得到多维度参考特征；
分类单元，用于根据所述多维度参考特征识别所述待识别图像中文本内容的类别。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法。
11.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-8任一项所述的方法。
CN202210979552.6A 2022-08-16 2022-08-16 图像中文本类别的识别方法、装置、介质及设备 Pending CN115311664A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210979552.6A CN115311664A (zh) 2022-08-16 2022-08-16 图像中文本类别的识别方法、装置、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210979552.6A CN115311664A (zh) 2022-08-16 2022-08-16 图像中文本类别的识别方法、装置、介质及设备

Publications (1)

Publication Number Publication Date
CN115311664A true CN115311664A (zh) 2022-11-08

Family

ID=83862065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210979552.6A Pending CN115311664A (zh) 2022-08-16 2022-08-16 图像中文本类别的识别方法、装置、介质及设备

Country Status (1)

Country Link
CN (1) CN115311664A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116611429A (zh) * 2023-04-25 2023-08-18 上海任意门科技有限公司 一种意图识别方法、装置、电子设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116611429A (zh) * 2023-04-25 2023-08-18 上海任意门科技有限公司 一种意图识别方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US11270099B2 (en) Method and apparatus for generating facial feature
CN108256591B (zh) 用于输出信息的方法和装置
CN112016315B (zh) 模型训练、文本识别方法及装置、电子设备、存储介质
CN110826567B (zh) 光学字符识别方法、装置、设备及存储介质
CN111931859B (zh) 一种多标签图像识别方法和装置
CN108509994B (zh) 人物图像聚类方法和装置
CN112288074A (zh) 图像识别网络生成方法及装置、存储介质及电子设备
CN110659639B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN113239807B (zh) 训练票据识别模型和票据识别的方法和装置
CN112861842A (zh) 基于ocr的案件文本识别方法及电子设备
CN110059212A (zh) 图像检索方法、装置、设备及计算机可读存储介质
CN115661829A (zh) 图文识别方法及图文识别模型的数据处理方法
CN115311664A (zh) 图像中文本类别的识别方法、装置、介质及设备
CN114494709A (zh) 特征提取模型的生成方法、图像特征提取方法和装置
CN110674813B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN111199050B (zh) 一种用于对病历进行自动脱敏的系统及应用
CN114970470B (zh) 文案信息处理方法、装置、电子设备和计算机可读介质
CN114724144B (zh) 文本识别方法、模型的训练方法、装置、设备及介质
CN116311276A (zh) 文档图像矫正方法、装置、电子设备及可读介质
CN115937039A (zh) 数据扩充方法、装置、电子设备及可读存储介质
CN114972775A (zh) 特征处理方法、装置、产品、介质及设备
CN114429628A (zh) 图像处理方法、装置、可读存储介质及电子设备
CN114612909A (zh) 字符识别方法、装置、可读介质及电子设备
CN112204506B (zh) 用于手写文本的自动语言检测的系统和方法
CN113221718A (zh) 公式识别方法、装置、存储介质和电子设备

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