CN115565186B - 文字识别模型的训练方法、装置、电子设备和存储介质 - Google Patents
文字识别模型的训练方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115565186B CN115565186B CN202211175029.4A CN202211175029A CN115565186B CN 115565186 B CN115565186 B CN 115565186B CN 202211175029 A CN202211175029 A CN 202211175029A CN 115565186 B CN115565186 B CN 115565186B
- Authority
- CN
- China
- Prior art keywords
- text
- picture
- sample
- feature extraction
- extraction layer
- 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 97
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000000605 extraction Methods 0.000 claims abstract description 138
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims description 6
- 239000002131 composite material Substances 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000002372 labelling Methods 0.000 description 7
- 230000000873 masking effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- G06V30/24—Character recognition characterised by the processing or recognition method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V30/19127—Extracting features by transforming the feature space, e.g. multidimensional scaling; Mappings, e.g. subspace methods
-
- 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
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了文字识别模型的训练方法、装置、电子设备和存储介质，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。方案为：将获取的第一样本图片输入初始文字识别模型中的图像特征提取层，获取第一样本图片的第一图像特征；将第一图像特征输入初始文字识别模型中的语义特征提取层，获取第一样本图片的第一语义特征；将第一语义特征输入初始文字识别模型中的第一初始文字解码层，获取第一样本图片的文字识别结果；根据文字识别结果与第一样本图片对应的标注文字之间的差异，对初始文字识别模型进行训练，以得到文字识别模型。该方法实现对文字识别进行语义增强，提高了模型文字识别结果的准确性。
Description
技术领域
本申请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(Optical Character Recognition，光学字符识别)等场景，具体涉及一种文字识别模型的训练方法、装置、电子设备和存储介质。
背景技术
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，在多种场景中发挥重要作用。但是，自然场景中的图片不可避免会存在光线、噪声等干扰，会影响文字识别效果的准确性。
发明内容
本申请提供了一种文字识别模型的训练方法、装置、电子设备和存储介质。具体方案如下：
根据本申请的一方面，提供了一种文字识别模型的训练方法，包括：
获取第一样本图片及所述第一样本图片对应的标注文字；
将所述第一样本图片输入初始文字识别模型中的图像特征提取层，以获取所述第一样本图片对应的第一图像特征；
将所述第一图像特征输入所述初始文字识别模型中的语义特征提取层，以获取所述第一样本图片对应的第一语义特征；
将所述第一语义特征输入所述初始文字识别模型中的第一初始文字解码层，以获取所述第一样本图片的文字识别结果；
根据所述文字识别结果与所述标注文字之间的差异，对所述初始文字识别模型进行训练，以得到文字识别模型。
根据本申请的另一方面，提供了一种文字识别方法，包括：
获取待识别图片；
将所述待识别图片输入到文字识别模型中，以获取所述待识别图片的文字识别结果，其中，所述文字识别模型是采用上述所述的方法训练得到的。
根据本申请的另一方面，提供了一种文字识别模型的训练装置，包括：
第一获取模块，用于获取第一样本图片及所述第一样本图片对应的标注文字；
第一编码模块，用于将所述第一样本图片输入初始文字识别模型中的图像特征提取层，以获取所述第一样本图片对应的第一图像特征；
第二编码模块，用于将所述第一图像特征输入所述初始文字识别模型中的语义特征提取层，以获取所述第一样本图片对应的第一语义特征；
解码模块，用于将所述第一语义特征输入所述初始文字识别模型中的第一初始文字解码层，以获取所述第一样本图片的文字识别结果；
第一训练模块，用于根据所述文字识别结果与所述标注文字之间的差异，对所述初始文字识别模型进行训练，以得到文字识别模型。
根据本申请的另一方面，提供了一种第一获取模块，用于获取待识别图片；
第二获取模块，用于将所述待识别图片输入到文字识别模型中，以获取所述待识别图片的文字识别结果，其中，所述文字识别模型是采用上述所述的方法训练得到的。
根据本申请的另一方面，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上述实施例所述的方法。
根据本申请的另一方面，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上述实施例所述的方法。
根据本申请的另一方面，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上述实施例所述方法的步骤。
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，不构成对本申请的限定。其中：
图1为本申请一实施例提供的文字识别模型的训练方法的流程示意图；
图2为本申请一实施例提供的文字识别模型的识别过程示意图；
图3为本申请一实施例提供的图像特征提取层的预训练方法的流程示意图；
图4为本申请一实施例提供的视觉模型的预训练流程示意图；
图5为本申请一实施例提供的语义特征提取层的预训练方法的流程示意图；
图6为本申请一实施例提供的文本模型的预训练流程示意图；
图7为本申请一实施例提供的文字识别方法的流程示意图；
图8为本申请一实施例提供的文字识别模型的训练装置的结构示意图；
图9为本申请一实施例提供的文字识别装置的结构示意图；
图10是用来实现本申请实施例的文字识别模型的训练方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。
下面参考附图描述本申请实施例的文字识别模型的训练方法、装置、电子设备和存储介质。
人工智能是研究使用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领域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深度学习、大数据处理技术、知识图谱技术等几大方向。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
计算机视觉是一门研究如何使机器“看”的科学，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
图1为本申请一实施例提供的文字识别模型的训练方法的流程示意图。
本申请实施例的文字识别模型的训练方法，可以由本申请实施例的装置执行，该装置可以配置于电子设备中，以提高文字识别结果的准确性。
其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
如图1所示，该文字识别模型的训练方法包括：
步骤101，获取第一样本图片及第一样本图片对应的标注文字。
本申请中，第一样本图片中可以为包含文字的图片，第一样本图片可以是包含一行或多行文字的图片。
本申请中，第一样本图片对应的标注文字可以理解为第一样本图片中包含的完整文字。
为了提高模型的识别准确性，第一样本图片可以是文字存在被擦除或者遮挡的图片。比如，某图片中的文字未被擦除前是“raised”，可以将其中的字符“s”和“d”擦除。
作为一种实现方式，本申请中，可以获取背景图像及待填入文字，并在背景图像上贴上待填充文字，以得到合成图片，之后可以对合成图片中的文字区域进行随机擦除处理，比如，随机对一个或多个字符进行擦除处理，从而得到第一样本图片，并且可以将待填入文字作为第一样本图片对应的标注文字。
由此，利用经过文字擦除处理的图片进行模型训练，可以提高模型的识别准确性。另外，通过合成方式得到第一样本图片，可以扩充训练数据。
作为另一种实现方式，本申请中，也可以获取原始图片，直接对原始图片进行文字擦除处理，得到第一样本图片。由此，利用经过文字擦除处理的图片进行模型训练，可以提高模型的识别准确性，并且这种获取第一样本图片的方式，过程简单、方便。
本申请中，可以利用预先训练得到文字擦除模型，对原始图片进行处理，得到第一样本图片，或者也可以利用预训练得到的文本检测模型对原始图片进行文本检测，以确定原始图片中的文字区域，并从文字区域中确定出目标文字区域，对目标文字区域进行文字擦除处理，以得到第一样本图片。
其中，目标文字区域可以是预设位置的文字区域，或者也可以随机选择一个文字区域作为目标文字区域等。
比如，可以将最后一个字符所在的文字区域作为目标文字区域，又如，可以将一行中的中间位置的字符所在的文字区域作为目标文字区域等。
本申请中，通过对原始图片进行文本检测，对文字区域进行定位，进而对文字区域中的目标文字区域进行擦除处理，提高了擦除的准确性。
需要说明的是，本申请中，可以对一个或多个字符进行擦除处理，本申请对此不作限定。
步骤102，将第一样本图片输入初始文字识别模型中的图像特征提取层，以获取第一样本图片对应的第一图像特征。
本申请中，初始文字识别模型可以包括图像特征提取层、语义特征提取层和第一初始文字解码层。其中，图像特征提取层和语义特征提取层可以是通过预训练得到的。
本申请中，可以将第一样本图片输入图像特征提取层进行图像特征的提取，以获取第一样本图片对应的第一图像特征。
步骤103，将第一图像特征输入初始文字识别模型中的语义特征提取层，以获取第一样本图片对应的第一语义特征。
在获取第一图像特征后，可以将第一图像特征输入语义特征提取层进行语义特征的提取，以获取第一样本图片对应的第一语义特征。
其中，语义特征提取层可以采用MLM(Masked Language Model，掩码语言模型)，或者也可以采用其他模型，本申请对此不做作限定。
步骤104，将第一语义特征输入初始文字识别模型中的第一初始文字解码层，以获取第一样本图片的文字识别结果。
在获取第一语义特征后，可以将第一语义特征输入到第一初始文字解码层进行解码，以获取第一样本图片的文字识别结果。
本申请中，可以将字符集合中每个字符看作一个类别，由此可以以分类任务进行字符的预测。也就是说，可以预测某位置为字符集合中每个字符的概率，可以将概率最大的字符作为该位置的字符。
步骤105，根据文字识别结果与标注文字之间的差异，对初始文字识别模型进行训练，以得到文字识别模型。
本申请中，可以根据文字识别结果与标注文字之间的差异，确定文字识别结果中每个字符对应的损失值，并将文字识别结果中所有字符对应的损失值之和，作为初始文字识别模型的损失值，从而基于该损失值，对初始文字识别模型的模型参数进行调整，并继续对参数调整后的文字识别模型进行训练，直至满足训练结束条件，得到文字识别模型。
在对初始文字识别模型进行训练时，可以通过深度学习的方式进行训练，相比于其他机器学习方法，深度学习在大数据集上的表现更好。
为了便于理解，下面结合图2进行举例说明，图2为本申请一实施例提供的文字识别模型的识别过程示意图。
如图2所示，文字识别模型包括图像特征提取层、语义特征提取层及文字解码层。
图2中，可以将包含文字的图片输入到图像特征提取层进行图像特征提取，得到该图片的图像特征，之后将图像特征输入到语义特征提取层进行语义特征提取，得到该图片的语义特征，再将语义特征输入到文字解码层进行解码，得到识别结果“a toy bear”。
如图2中虚线框所示，若将提取的图像特征直接输入到文字解码层进行解码，由于文字识别模型受不完整字符的干扰，会出现误识别的情况，得到错误的识别结果“atovbear”，而将图像特征输入到语义特征提取层，可以基于语义信息进行识别结果的微调，提高了识别结果的准确性。
本申请实施例中，通过将第一样本图片输入初始文字识别模型中的图像特征提取层，以获取第一样本图片对应的第一图像特征，并将第一图像特征输入初始文字识别模型中的语义特征提取层，以获取第一样本图片对应的第一语义特征，再将第一语义特征输入初始文字识别模型中的第一初始文字解码层，以获取第一样本图片的文字识别结果，并根据文字识别结果与所述标注文字之间的差异，对初始文字识别模型进行训练，得到文字识别模型。由此，通过将样本图片的图像特征输入到语义特征提取层进行语义特征提取，实现对文字识别进行语义增强，从而可以减少噪声、遮挡等对文字识别模型的影响，不仅提高了模型文字识别结果的准确性，也提高了模型的通用性和可移植性。
为了提高模型的准确性，在本申请的一个实施例中，可以通过预训练得到初始文字识别模型中的图像特征提取层。下面结合图3进行说明，图3为本申请一实施例提供的图像特征提取层的预训练方法的流程示意图。
如图3所示，该图像特征提取层的预训练方法包括：
步骤301，获取第二样本图片。
本申请中，第二样本图片的解释说明可以参见上述第一样本图片，故在此不再赘述。
步骤302，将第二样本图片输入初始图像特征提取层，以获取所述第二样本图片对应的第二图像特征。
本申请中，初始视觉模型可以包括初始图像特征提取层和初始图像特征解码层，可以将第二样本图片输入初始图像特征提取层进行图像特征提取，得到第二样本图片的第二图像特征。
本申请中，将第二样本图片输入到初始图像特征提取层，可以理解为是将第二样本图片中各像素点的像素值组成的矩阵输入到初始图像特征提取层。
步骤303，将第二图像特征输入初始图像特征解码层，以获取第二样本图片对应的解码结果。
在获取第二图像特征后，可以将第二图像特征输入到初始图像特征解码层中进行解码，以得到第二样本图片对应的解码结果。其中，解码结果可以是像素值矩阵。
步骤304，根据解码结果与第二样本图片之间的差异，对初始图像特征提取层进行训练，以得到图像特征提取层。
本申请中，可以根据解码结果中每个像素点的像素值与第二样本图片中相同位置的像素点的像素值之间的差值，确定每个像素点对应的第一损失值，之后根据每个像素点对应的第一损失值，确定第二样本图片对应的第二损失值，比如可以将所有像素点对应的第一损失值相加得到第二损失值，再根据第二损失值，对初始视觉模型的模型参数进行调整，也即对初始图像特征提取层和初始图像特征解码层的参数进行调整，并继续对调整后的视觉模型进行训练，直至满足训练条件，得到视觉模型，从而可以将视觉模型中的图像特征提取层作为初始文字识别模型的一部分。
本申请中，通过计算每个像素点的损失值，并根据每个像素点的损失值，得到第二样本图片的损失值，基于该损失值进行训练，从而提高了图像特征提取层提取的图像特征的准确性。
为了便于理解下面结合图4对视觉模型的预训练进行说明，图4为本申请一实施例提供的视觉模型的预训练流程示意图。
图4中，视觉模型的结构为图像特征提取层-图像特征解码层，其中，图像特征提取层用于提取图片的图像特征，图像特征解码层用于重建输入。如图4所示，可以将样本图片输入到图像特征提取层进行图像特征提取，得到图像特征，之后将提取的图像特征输入到图像特征解码层进行解码，得到解码结果，解码结果为图片，并基于解码结果与样本图片之间的差异进行训练，待模型收敛后，可以得到具备提取图像特征能力的图像特征提取层。
本申请实施例中，通过将第二样本图片输入到初始图像特征提取层进行图像特征提取，得到第二样本图片的第二图像特征，并将第二图像特征输入到初始图像特征解码层，得到第二样本图片的解码结果，并根据解码结果与第二样本图片之间的差异，对初始图像特征提取层进行训练，得到图像特征提取层。由此，基于输出和输入之间的差异，通过自监督方式可以训练得到具备提取图像特征能力的图像特征提取层，无需人工标注，成本低，并且将预训练得到的图像特征提取作为初始文字识别模型的一部分，可以提高文字识别模型的识别准确性。
为了提高模型的准确性，在本申请的一个实施例中，可以通过预训练得到初始文字识别模型中的语义特征提取层。下面结合图5进行说明，图5为本申请一实施例提供的语义特征提取层的预训练方法的流程示意图。
如图5所示，该语义特征提取层的预训练方法包括：
步骤501，获取样本文本，其中，样本文本中包括掩码字符。
本申请中，样本文本为纯文本，样本文字中可以包含掩码字符，其中，掩码字符可以理解为对原始文本中进行掩码处理所用的字符。
比如，某原始文本为“hello”，经过掩码处理后得到“h[M]llo”，那么“[M]”为“h[M]llo”中的掩码字符，或者“hello”经过掩码处理后为“hfllo”，那么字符“f”为“hfllo”中的掩码字符。
步骤502，将样本文本输入初始语义特征提取层，以获取样本文本对应的第二语义特征。
本申请中，初始文本模型可以包括初始语义特征提取层和第二初始文字解码层，可以将样本文本输入到初始语义特征提取层进行语义特征提取，得到样本文本对应的第二语义特征。
本申请中，将样本文本输入到初始语义特征提取层，可以理解为是将样本文本中各字符对应的位置标识构成的一维向量序列，输入到初始语义特征提取层。
步骤503，将第二语义特征输入第二初始文字解码层，以获取样本文本对应的第二文字识别结果。
在获取样本文本对应的第二语义特征后，可以将第二语义特征输入到第二初始解码层进行解码，得到样本文本对应的第二文字识别结果。
其中，第二初始文字解码层的解释说明，可以参见上述对第一初始文本解码层的解释说明，故在此不再赘述。
步骤504，根据第二文字识别结果与样本文本对应的原始文本之间的差异，对初始语义特征提取层进行训练，以得到语义特征提取层。
本申请中，样本文本对应的原始文本可以看作是样本文本的标注文本。比如，样本文本“h[M]llo”的原始文本“hello”为“h[M]llo”的标注文本。
本申请中，可以根据第二文本识别结果与原始文本之间的差异，确定第二识别结果中每个字符对应的损失值，根据所有字符的损失值，确定初始文本模型的损失值，并根据初始文本模型的损失值，对初始文本模型的参数进行调整，继续对调整后的文本模型进行训练，直至满足训练结束条件，得到文本模型，从而可以将文本模型中的语义特征提取层作为初始文字识别模型的一部分。
为了便于理解下面结合图6对文本模型的预训练进行说明，图6为本申请一实施例提供的文本模型的预训练流程示意图。
图6中，文本模型的结构为语义特征提取层-文字解码层。如图6所示，可以对原始文本“hello world”进行掩码处理，得到样本文本“h[M]llo world”，“h[M]llo world”将输入到语义特征提取层进行语义特征提取，得到该样本文本的语义特征，之后将提取的语义特征输入到文字解码层进行解码，得到文字识别结果“hello world”，并基于文字识别结果与该样本文本之间的差异进行训练，待模型收敛后，待文本模型训练收敛后，文本模型即具备提取语义信息的能力，在字符被随机掩码的情况下，根据语义信息，能正确预测出被掩码的字符。
本申请实施例中，通过将样本文本输入到初始语义特征提取层进行语义特征提取，得到样本文本的第二语义特征，并将第二语义特征输入到初始第二文字解码层，得到样本文本的第二文字识别结果，并根据第二文字识别结果与样本文本之间的差异，对初始语义特征提取层进行训练，得到语义特征提取层。由此，可以利用包含掩码字符的样本文本，训练得到具备提取语义信息能力的语义特征提取层，将预训练得到的语义特征提取作为初始文字识别模型的一部分，可以对文字识别进行语义增强，从而可以提高文字识别模型的识别结果的准确性。
根据上述实施例可知，在对语义特征提取层进行预训练时，是用样本文本进行预训练，而在对文字识别模型进行训练时，是将图像特征输入到语义特征提取层。因此，可能会存图像特征尺度与语义特征提取层的输入要求的尺度不一致的情况。
基于此，在本申请的一个实施例中，在获取第一样本图片对应的第一图像特征后，可以先判断第一图像特征的尺度是否与语义特征提取层的输入尺度匹配，若第一图像特征的尺度与语义特征提取层的输入尺度不匹配，那么可以将第一图像特征的尺度转换为输入尺度，之后将转换后的第一图像特征输出到语义特征提取层进行语义特征提取，得到第一语义特征。若第一图像特征的尺度与语义特征提取层的输入尺度匹配，可以直接将第一图像特征输入到语义特征提取层。
比如，语义特征提取层的输入尺度为1*N，图像特征的尺寸为M*K，其中，N、M、K均为正整数、且M不等于1，那么可以对图像特征进行转换，以使图像特征的尺寸由1*N转换为M*K。
本申请实施例中，在第一图像特征与语义特征提取层的输入尺寸不匹配时，可以将第一图像特征的尺寸转换为语义特征提取层的输入尺寸，再将转换后的第一图像特征输入到语义特征提取层中进行处理，从而可以保证模型识别结果的准确性。
图7为本申请一实施例提供的文字识别方法的流程示意图。
如图7所示，该文字识别方法包括：
步骤701，获取待识别图片。
本申请中，待识别图片可以是包含文字的图片，可以是包含一行或多行文字的图片，待识别图片可以是通过对文字进行拍摄得到，或者也可以是对包含文字的文档进行扫描得到等，本申请对此不作限定。
步骤702，将待识别图片输入到文字识别模型中，以获取待识别图片的文字识别结果。
其中，文字识别模型可以是采用上述文字识别模型的训练方法训练得到。
本申请中，可以将待识别图片输入到文字识别模型中进行识别，以获取文字识别模型对待识别图片的文字识别结果，从而提高了文字识别结果的准确性。
本申请中，文字识别模型可以包括图像特征提取层、语义特征提取层和文字解码层。在利用该文字识别模型进行文字识别时，可以将待识别图片输入到图像特征提取层进行图像特征提取，得到待识别图片的图像特征，并将待识别图片的图像特征输入到语义特征提取层，以获取待识别图片对应的语义特征，再将语义特征输入文字解码层进行解码，以获取待识别图片的文字识别结果。由此，通过将获取待识别图片的图像特征输入语义特征提取层进行语义提取，从而可以对文字识别进行语义增强，对提取的语义特征进行解码得到文字识别结果，相比直接对图像特征进行解码得到的识别结果更加准确。
本申请实施例中，通过获取待识别图片，并将待识别图片输入到利用上述训练方式训练得到的文字识别模型中，以获取待识别模型的识别结果。由此，利用上述训练方法训练得到文字识别模型进行文字识别，可以提高文字识别结果的准确性。
为了实现上述实施例，本申请实施例还提出一种文字识别模型的训练装置。图8为本申请一实施例提供的文字识别模型的训练装置的结构示意图。
如图8所示，该文字识别模型的训练装置800包括：
第一获取模块810，用于获取第一样本图片及第一样本图片对应的标注文字；
第一编码模块820，用于将第一样本图片输入初始文字识别模型中的图像特征提取层，以获取第一样本图片对应的第一图像特征；
第二编码模块830，用于将第一图像特征输入初始文字识别模型中的语义特征提取层，以获取第一样本图片对应的第一语义特征；
解码模块840，用于将第一语义特征输入初始文字识别模型中的第一初始文字解码层，以获取第一样本图片的文字识别结果；
第一训练模块850，用于根据文字识别结果与标注文字之间的差异，对初始文字识别模型进行训练，以得到文字识别模型。
在本申请实施例一种可能的实现方式，该装置还可以包括：
第二获取模块，用于获取第二样本图片；
第三编码模块，用于将第二样本图片输入初始图像特征提取层，以获取第二样本图片对应的第二图像特征；
第四编码模块，用于将第二图像特征输入初始图像特征解码层，以获取第二样本图片对应的解码结果；
第二训练模块，用于根据解码结果与第二样本图片之间的差异，对初始图像特征提取层进行训练，以得到图像特征提取层。
在本申请实施例一种可能的实现方式，第二训练模块，用于：
根据解码结果中每个像素点的像素值与第二样本图片中相同位置的像素点的像素值，确定每个像素点对应的第一损失值；
根据每个像素点对应的第一损失值，确定第二样本图片对应的第二损失值；
根据第二损失值，对初始图像特征提取层进行训练，以得到图像特征提取层。
在本申请实施例一种可能的实现方式，该装置还可以包括：
第三获取模块，用于获取样本文本，其中，样本文本中包括掩码字符；
第五编码模块，用于将样本文本输入初始语义特征提取层，以获取样本文本对应的第二语义特征；
第六编码模块，用于将第二语义特征输入第二初始文字解码层，以获取样本文本对应的第二文字识别结果；
第三训练模块，用于根据第二文字识别结果与样本文本对应的原始文本之间的差异，对初始语义特征提取层进行训练，以得到语义特征提取层。
在本申请实施例一种可能的实现方式，第二编码模块830，用于：
在第一图像特征的尺度与语义特征提取层的输入尺度不匹配的情况下，将第一图像特征的尺度转换为输入尺度，以得到转换后的第一图像特征；
将转换后的第一图像特征输入语义特征提取层，以获取第一语义特征。
在本申请实施例一种可能的实现方式，第一获取模块810，用于：
获取背景图像及待填入文字；
在背景图像上贴上待填入文字，以得到合成图片；
对合成图片中的文字区域进行随机擦除处理，得到第一样本图片，并将待填入文字作为标注文字。
在本申请实施例一种可能的实现方式，第一获取模块810，用于：
获取原始图片；
对原始图片进行文字擦除处理，以得到第一样本图片。
在本申请实施例一种可能的实现方式，第一获取模块810，用于：
对原始图片进行文本检测，以确定原始图片中的文字区域；
从文字区域中确定出目标文字区域；
对目标文字区域进行文字擦除处理，以得到第一样本图片。
需要说明的是，前述文字识别模型的训练方法实施例的解释说明，也适用于该实施例的文字识别模型的训练装置，故在此不再赘述。
本申请实施例中，通过将第一样本图片输入初始文字识别模型中的图像特征提取层，以获取第一样本图片对应的第一图像特征，并将第一图像特征输入初始文字识别模型中的语义特征提取层，以获取第一样本图片对应的第一语义特征，再将第一语义特征输入初始文字识别模型中的第一初始文字解码层，以获取第一样本图片的文字识别结果，并根据文字识别结果与所述标注文字之间的差异，对初始文字识别模型进行训练，得到文字识别模型。由此，通过将样本图片的图像特征输入到语义特征提取层进行语义特征提取，实现对文字识别进行语义增强，从而可以减少噪声、遮挡等对文字识别模型的影响，不仅提高了模型文字识别结果的准确性，也提高了模型的通用性和可移植性。
为了实现上述实施例，本申请实施例还提出一种文字识别模型的训练装置。图9为本申请一实施例提供的文字识别装置的结构示意图。
如图9所示，该文字识别装置900包括：
第一获取模块910，用于获取待识别图片；
第二获取模块920，用于将待识别图片输入到文字识别模型中，以获取待识别图片的文字识别结果，其中，文字识别模型是采用上述实施例的模型训练方法训练得到的。
在本申请实施例一种可能的实现方式，第二获取模块920，用于：
将待识别图片输入文字识别模型中的图像特征提取层，以获取待识别图片对应的图像特征；
将图像特征输入文字识别模型中的语义特征提取层，以获取待识别图片对应的语义特征；
将语义特征输入文字识别模型中的文字解码层，以获取文字识别结果。
需要说明的是，前述文字识别方法实施例的解释说明，也适用于该实施例的文字识别装置，故在此不再赘述。
本申请实施例中，通过获取待识别图片，并将待识别图片输入到利用上述训练方式训练得到的文字识别模型中，以获取待识别模型的识别结果。由此，利用上述训练方法训练得到文字识别模型进行文字识别，可以提高文字识别结果的准确性。
根据本申请的实施例，本申请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。
图10示出了可以用来实施本申请的实施例的示例电子设备1000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/或者要求的本申请的实现。
如图10所示，设备1000包括计算单元1001，其可以根据存储在ROM(Read-OnlyMemory，只读存储器)1002中的计算机程序或者从存储单元1008加载到RAM(Random AccessMemory，随机访问/存取存储器)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。I/O(Input/Output，输入/输出)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000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1001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1001的一些示例包括但不限于CPU(Central Processing Unit，中央处理单元)、GPU(Graphic Processing Units，图形处理单元)、各种专用的AI(Artificial Intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如文字识别模型的训练方法。例如，在一些实施例中，文字识别模型的训练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1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的文字识别模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001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模型的训练方法。
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、FPGA(Field Programmable Gate Array，现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit，专用集成电路)、ASSP(Application Specific StandardProduct，专用标准产品)、SOC(System On Chip，芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device，复杂可编程逻辑设备)、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。
在本申请的上下文中，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、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器)、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(Cathode-Ray Tube，阴极射线管)或者LCD(Liquid Crystal Display，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：LAN(LocalArea Network，局域网)、WAN(Wide Area Network，广域网)、互联网和区块链网络。
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(VirtualPrivate Server，虚拟专用服务器)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。
需要说明的是，实现本申请实施例的文字识别方法的电子设备，与上述所述的电子设备的结构类似，故在此不再赘述。
根据本申请的实施例，本申请还提供了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行本申请上述实施例提出的文字识别模型的训练方法。
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 (20)
1.一种文字识别模型的训练方法，包括：
获取第一样本图片及所述第一样本图片对应的标注文字，所述标注文字为所述第一样本图片中包含的完整文字；
将所述第一样本图片输入初始文字识别模型中的图像特征提取层，以获取所述第一样本图片对应的第一图像特征；
将所述第一图像特征输入所述初始文字识别模型中的语义特征提取层，以获取所述第一样本图片对应的第一语义特征；
将所述第一语义特征输入所述初始文字识别模型中的第一初始文字解码层，以获取所述第一样本图片的文字识别结果；
根据所述文字识别结果与所述标注文字之间的差异，对所述初始文字识别模型进行训练，以得到文字识别模型；
其中，所述语义特征提取层通过以下方式训练得到：
获取样本文本，其中，所述样本文本中包括掩码字符；
将所述样本文本输入初始语义特征提取层，以获取所述样本文本对应的第二语义特征；
将所述第二语义特征输入第二初始文字解码层，以获取所述样本文本对应的第二文字识别结果；
根据所述第二文字识别结果与所述样本文本对应的原始文本之间的差异，对所述初始语义特征提取层进行训练，以得到所述语义特征提取层。
2.如权利要求1所述的方法，其中，所述图像特征提取层可以通过以下方式训练得到：
获取第二样本图片；
将所述第二样本图片输入初始图像特征提取层，以获取所述第二样本图片对应的第二图像特征；
将所述第二图像特征输入初始图像特征解码层，以获取所述第二样本图片对应的解码结果；
根据所述解码结果与所述第二样本图片之间的差异，对所述初始图像特征提取层进行训练，以得到所述图像特征提取层。
3.如权利要求2所述的方法，所述根据所述解码结果与所述第二样本图片之间的差异，对所述初始图像特征提取层进行训练，以得到所述图像特征提取层，包括：
根据所述解码结果中每个像素点的像素值与所述第二样本图片中相同位置的像素点的像素值，确定所述每个像素点对应的第一损失值；
根据所述每个像素点对应的第一损失值，确定所述第二样本图片对应的第二损失值；
根据所述第二损失值，对所述初始图像特征提取层进行训练，以得到所述图像特征提取层。
4.如权利要求1所述的方法，其中，所述将所述第一图像特征输入所述初始文字识别模型中的语义特征提取层，以获取所述第一样本图片对应的第一语义特征，包括：
在所述第一图像特征的尺度与所述语义特征提取层的输入尺度不匹配的情况下，将所述第一图像特征的尺度转换为所述输入尺度，以得到转换后的第一图像特征；
将所述转换后的第一图像特征输入所述语义特征提取层，以获取所述第一语义特征。
5.如权利要求1所述的方法，其中，所述获取第一样本图片及所述第一样本图片对应的标注文字，包括：
获取背景图像及待填入文字；
在所述背景图像上贴上所述待填入文字，以得到合成图片；
对所述合成图片中的文字区域进行随机擦除处理，得到所述第一样本图片，并将所述待填入文字作为所述标注文字。
6.如权利要求1所述的方法，其中，所述获取第一样本图片，包括：
获取原始图片；
对所述原始图片进行文字擦除处理，以得到所述第一样本图片。
7.如权利要求6所述的方法，其中，所述对所述原始图片进行文字擦除处理，以得到所述第一样本图片，包括：
对所述原始图片进行文本检测，以确定所述原始图片中的文字区域；
从所述文字区域中确定出目标文字区域；
对所述目标文字区域进行文字擦除处理，以得到所述第一样本图片。
8.一种文字识别方法，包括：
获取待识别图片；
将所述待识别图片输入到文字识别模型中，以获取所述待识别图片的文字识别结果，其中，所述文字识别模型是采用权利要求1-7中任一项所述的方法训练得到的。
9.如权利要求8所述的方法，其中，所述将所述待识别图片输入到文字识别模型中，以获取所述待识别图片的文字识别结果，包括：
将所述待识别图片输入所述文字识别模型中的图像特征提取层，以获取所述待识别图片对应的图像特征；
将所述图像特征输入所述文字识别模型中的语义特征提取层，以获取所述待识别图片对应的语义特征；
将所述语义特征输入所述文字识别模型中的文字解码层，以获取所述文字识别结果。
10.一种文字识别模型的训练装置，包括：
第一获取模块，用于获取第一样本图片及所述第一样本图片对应的标注文字，所述标注文字为所述第一样本图片中包含的完整文字；
第一编码模块，用于将所述第一样本图片输入初始文字识别模型中的图像特征提取层，以获取所述第一样本图片对应的第一图像特征；
第二编码模块，用于将所述第一图像特征输入所述初始文字识别模型中的语义特征提取层，以获取所述第一样本图片对应的第一语义特征；
解码模块，用于将所述第一语义特征输入所述初始文字识别模型中的第一初始文字解码层，以获取所述第一样本图片的文字识别结果；
第一训练模块，用于根据所述文字识别结果与所述标注文字之间的差异，对所述初始文字识别模型进行训练，以得到文字识别模型；
所述装置，还包括：
第三获取模块，用于获取样本文本，其中，所述样本文本中包括掩码字符；
第五编码模块，用于将所述样本文本输入初始语义特征提取层，以获取所述样本文本对应的第二语义特征；
第六编码模块，用于将所述第二语义特征输入第二初始文字解码层，以获取所述样本文本对应的第二文字识别结果；
第三训练模块，用于根据所述第二文字识别结果与所述样本文本对应的原始文本之间的差异，对所述初始语义特征提取层进行训练，以得到所述语义特征提取层。
11.如权利要求10所述的装置，还包括：
第二获取模块，用于获取第二样本图片；
第三编码模块，用于将所述第二样本图片输入初始图像特征提取层，以获取所述第二样本图片对应的第二图像特征；
第四编码模块，用于将所述第二图像特征输入初始图像特征解码层，以获取所述第二样本图片对应的解码结果；
第二训练模块，用于根据所述解码结果与所述第二样本图片之间的差异，对所述初始图像特征提取层进行训练，以得到所述图像特征提取层。
12.如权利要求11所述的装置，其中，所述第二训练模块，用于：
根据所述解码结果中每个像素点的像素值与所述第二样本图片中相同位置的像素点的像素值，确定所述每个像素点对应的第一损失值；
根据所述每个像素点对应的第一损失值，确定所述第二样本图片对应的第二损失值；
根据所述第二损失值，对所述初始图像特征提取层进行训练，以得到所述图像特征提取层。
13.如权利要求10所述的装置，其中，所述第二编码模块，用于：
在所述第一图像特征的尺度与所述语义特征提取层的输入尺度不匹配的情况下，将所述第一图像特征的尺度转换为所述输入尺度，以得到转换后的第一图像特征；
将所述转换后的第一图像特征输入所述语义特征提取层，以获取所述第一语义特征。
14.如权利要求10所述的装置，其中，所述第一获取模块，用于：
获取背景图像及待填入文字；
在所述背景图像上贴上所述待填入文字，以得到合成图片；
对所述合成图片中的文字区域进行随机擦除处理，得到所述第一样本图片，并将所述待填入文字作为所述标注文字。
15.如权利要求10所述的装置，其中，所述第一获取模块，用于：
获取原始图片；
对所述原始图片进行文字擦除处理，以得到所述第一样本图片。
16.如权利要求15所述的装置，其中，所述第一获取模块，用于：
对所述原始图片进行文本检测，以确定所述原始图片中的文字区域；
从所述文字区域中确定出目标文字区域；
对所述目标文字区域进行文字擦除处理，以得到所述第一样本图片。
17.一种文字识别装置，包括：
第一获取模块，用于获取待识别图片；
第二获取模块，用于将所述待识别图片输入到文字识别模型中，以获取所述待识别图片的文字识别结果，其中，所述文字识别模型是采用权利要求1-7中任一项所述的方法训练得到的。
18.如权利要求17所述的装置，其中，所述第二获取模块，用于：
将所述待识别图片输入所述文字识别模型中的图像特征提取层，以获取所述待识别图片对应的图像特征；
将所述图像特征输入所述文字识别模型中的语义特征提取层，以获取所述待识别图片对应的语义特征；
将所述语义特征输入所述文字识别模型中的文字解码层，以获取所述文字识别结果。
19.一种电子设备，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1-7中任一项所述的方法，或者能够执行权利要求8-9中任一项所述的方法。
20.一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1-7中任一项所述的方法，或者执行根据权利要求8-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211175029.4A CN115565186B (zh) | 2022-09-26 | 2022-09-26 | 文字识别模型的训练方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211175029.4A CN115565186B (zh) | 2022-09-26 | 2022-09-26 | 文字识别模型的训练方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115565186A CN115565186A (zh) | 2023-01-03 |
| CN115565186B true CN115565186B (zh) | 2023-09-22 |
Family
ID=84742866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211175029.4A Active CN115565186B (zh) | 2022-09-26 | 2022-09-26 | 文字识别模型的训练方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115565186B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116311271B (zh) * | 2023-03-22 | 2023-12-26 | 北京百度网讯科技有限公司 | 文本图像的处理方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113688955A (zh) * | 2021-10-25 | 2021-11-23 | 北京世纪好未来教育科技有限公司 | 文本识别方法、装置、设备及介质 |
| WO2022017245A1 (zh) * | 2020-07-24 | 2022-01-27 | 华为技术有限公司 | 一种文本识别网络、神经网络训练的方法以及相关设备 |
| CN114429635A (zh) * | 2021-12-31 | 2022-05-03 | 深圳云天励飞技术股份有限公司 | 书本管理方法 |
| CN114943960A (zh) * | 2022-06-23 | 2022-08-26 | 平安科技（深圳）有限公司 | 一种文本识别方法、系统、电子设备及存储介质 |
-
2022
- 2022-09-26 CN CN202211175029.4A patent/CN115565186B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022017245A1 (zh) * | 2020-07-24 | 2022-01-27 | 华为技术有限公司 | 一种文本识别网络、神经网络训练的方法以及相关设备 |
| 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 |
| CN113688955A (zh) * | 2021-10-25 | 2021-11-23 | 北京世纪好未来教育科技有限公司 | 文本识别方法、装置、设备及介质 |
| CN114429635A (zh) * | 2021-12-31 | 2022-05-03 | 深圳云天励飞技术股份有限公司 | 书本管理方法 |
| CN114943960A (zh) * | 2022-06-23 | 2022-08-26 | 平安科技（深圳）有限公司 | 一种文本识别方法、系统、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115565186A (zh) | 2023-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110659582A (zh) | 图像转换模型训练方法、异质人脸识别方法、装置及设备 | |
| EP3872652B1 (en) | Method and apparatus for processing video, electronic device, medium and product | |
| CN113313022A (zh) | 文字识别模型的训练方法和识别图像中文字的方法 | |
| CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
| JP2022177232A (ja) | 画像処理方法、テキスト認識方法及び装置 | |
| US20230143452A1 (en) | Method and apparatus for generating image, electronic device and storage medium | |
| CN114863437B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
| CN115861462B (zh) | 图像生成模型的训练方法、装置、电子设备及存储介质 | |
| CN113177449A (zh) | 人脸识别的方法、装置、计算机设备及存储介质 | |
| CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
| CN113869205A (zh) | 对象检测方法、装置、电子设备和存储介质 | |
| CN113379877A (zh) | 人脸视频生成方法、装置、电子设备及存储介质 | |
| CN113837257A (zh) | 一种目标检测方法及装置 | |
| CN115565186B (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
| CN116611491A (zh) | 目标检测模型的训练方法、装置、电子设备和存储介质 | |
| CN114639096A (zh) | 文本识别方法、装置、电子设备和存储介质 | |
| CN114120454A (zh) | 活体检测模型的训练方法、装置、电子设备及存储介质 | |
| CN113177466A (zh) | 基于人脸图像的身份识别方法、装置、电子设备及介质 | |
| CN114972910B (zh) | 图文识别模型的训练方法、装置、电子设备及存储介质 | |
| CN116052288A (zh) | 活体检测模型训练方法、活体检测方法、装置和电子设备 | |
| CN116363429A (zh) | 图像识别模型的训练方法、图像识别方法、装置及设备 | |
| CN112560848B (zh) | 兴趣点poi预训练模型的训练方法、装置及电子设备 | |
| CN115631502A (zh) | 文字识别方法、装置、模型训练方法、电子设备及介质 | |
| CN115937993A (zh) | 活体检测模型训练方法、活体检测方法、装置和电子设备 | |
| US11610396B2 (en) | Logo picture processing method, apparatus, device and medium |
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 |