CN116092092A - 匹配方法、装置、介质及电子设备 - Google Patents
匹配方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN116092092A CN116092092A CN202211652325.9A CN202211652325A CN116092092A CN 116092092 A CN116092092 A CN 116092092A CN 202211652325 A CN202211652325 A CN 202211652325A CN 116092092 A CN116092092 A CN 116092092A
- Authority
- CN
- China
- Prior art keywords
- character
- target
- scene
- text image
- sample
- 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
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Discrimination (AREA)
Abstract
本公开涉及一种匹配方法、装置、介质及电子设备,方法包括:获取文本图像;对所述文本图像进行字符识别,得到字符识别结果,其中,所述字符识别结果包括所述文本图像中的字符;确定所述字符识别结果中存在与预设关键词相匹配的目标字符;确定所述目标字符在所述文本图像中所在的场景类别;根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否匹配,提高了确定目标字符是否与预设的目标任务匹配的准确率。
Description
技术领域
本公开涉及电子信息技术领域,具体地,涉及一种匹配方法、装置、介质及电子设备。
背景技术
在相关技术中,若待匹配文本中存在给定的预设关键词,则认为存在对应的任务,进而执行该任务。
然而,对于画面文本而言,通过关键词的文本匹配方式来确定是否存在对应的任务的方式可能导致错误的判断,例如,实际不存在对应的任务判断为存在对应的任务或者实际存在对应的任务判断为不存在对应的任务,而在实际不存在对应的任务判断为存在对应的任务的情况下,任务仍被执行会造成执行任务所需资源的浪费,在实际存在对应的任务判断为不存在对应的任务的情况下,造成任务不会被执行。
因此,如何准确判断画面文本是否存在与预设关键词对应的任务是至关重要的。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种匹配方法,包括:
获取文本图像;
对所述文本图像进行字符识别,得到字符识别结果,其中,所述字符识别结果包括所述文本图像中的字符;
确定所述字符识别结果中存在与预设关键词相匹配的目标字符;
确定所述目标字符在所述文本图像中所在的场景类别;
根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否匹配。
第二方面,本公开提供一种匹配装置,包括:
第一获取模块,用于获取文本图像;
字符识别模块,用于对所述文本图像进行字符识别,得到字符识别结果,其中,所述字符识别结果包括所述文本图像中的字符;
第一确定模块,用于确定所述字符识别结果中存在与预设关键词相匹配的目标字符;
第二确定模块,用于确定所述目标字符在所述文本图像中所在的场景类别;
第三确定模块,用于根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否匹配。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现第一方面中所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现第一方面中所述方法的步骤。
通过上述技术方案,对获取的文本图像进行字符识别,得到字符识别结果,确定字符识别结果中存在与预设关键词相匹配的目标字符,确定目标字符所在的场景类别,根据目标字符和场景类别,确定目标字符与预设的目标任务是否匹配,由于场景类别可以表征视觉信息,从而实现协同视觉信息和文本信息来确定目标字符与预设的目标任务是否匹配,在仅依靠关键词的文本匹配方式中加入了视觉信息的约束,提高了确定目标字符是否与预设的目标任务匹配的准确率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性实施例示出的一种匹配方法的流程图。
图2是根据一示例性实施例示出的一种匹配方法的流程图。
图3是根据一示例性实施例示出的一种匹配装置的框图。
图4是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
同时,可以理解的是,本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
正如背景技术所言,在实际不存在对应的任务判断为存在对应的任务的情况下,任务仍被执行会造成执行任务所需资源的浪费,在实际存在对应的任务判断为不存在对应的任务的情况下,造成任务不会被执行。
因此,如何准确判断画面文本是否存在与预设关键词对应的任务是至关重要的。
有鉴于此,本公开提供一种匹配方法、装置、介质及电子设备,协同视觉信息和文本信息来确定目标字符与预设的目标任务是否匹配,在仅依靠关键词的文本匹配方式中加入了视觉信息的约束,提高了确定目标字符是否与预设的目标任务匹配的准确率。
以下结合附图对本公开进行进一步解释说明。
图1是根据一示例性实施例示出的一种匹配方法的流程图,该匹配方法可以应用于电子设备,该电子设备例如可以是移动终端,移动终端例如手机、平板,该电子设备例如可以是固定终端,例如服务器、台式计算机等。参照图1,该匹配方法可以包括以下步骤:
步骤S101,获取文本图像。
值得说明的是,文本图像是包含字符的图像,字符指类字形单位或符号,包括字母、数字、运算符号、标点符号和其他符号,以及一些功能性符号。
示例地,文本图像可以是在电子设备进行本地操作得到的图像,这里的本地操作例如拍摄操作或截图操作,以截图操作为例,文本图像可以是电子设备在直播间直播过程中执行截图操作得到的图像。
示例地,文本图像可以是从远端设备获取到的图像,这里远端设备可以是直播设备,即文本图像可以是远端设备在直播间直播过程中获得的并由远端设备发送到电子设备的图像。
步骤S102,对文本图像进行字符识别,得到字符识别结果,其中,字符识别结果包括文本图像中的字符。
其中,字符识别是采用字符识别算法构建的神经网络模型对输入进行处理的操作。示例地,字符识别算法可以是模板匹配算法、支持向量机、贝叶斯分类算法以及神经网络算法。
步骤S103,确定字符识别结果中存在与预设关键词相匹配的目标字符。
值得说明的,预设关键字是通过电子设备预先设定的,字符识别结果中存在与预设关键词相匹配的目标字符是确定目标字符与预设的目标任务相匹配的基础条件,即在字符识别结果中存在与预设关键词相匹配的目标字符的情况下,目标字符与预设的目标任务可能相匹配,具体是否匹配需要执行步骤S104和步骤S105后再确定;在字符识别结果中不存在与预设关键词相匹配的目标字符的情况下,可以直接确定目标字符与预设的目标任务不匹配。因此,通过先确定字符识别结果中存在与预设关键词相匹配的目标字符,再执行步骤S104,若确定字符识别结果中不存在与预设关键词相匹配的目标字符,则可以省略剩余步骤(例如步骤S104)的执行,达到最大程度化降低电子设备的资源消耗的目的。
示例地,可以通过计算预设关键词和字符识别结果中各字符的距离,在距离小于预设距离阈值的情况下,确定字符识别结果中存在与预设关键词相匹配的目标字符。
步骤S104,确定目标字符在文本图像中所在的场景类别。
值得说明的是,目标字符处于不同的场景类别影响着目标字符与预设的目标任务是否匹配的判断。
步骤S105,根据目标字符和场景类别,确定目标字符与预设的目标任务是否匹配。
值得说明的是,预设的目标任务与预设关键词是一一对应的。电子设备中可以构建存储不同预设关键词和每一预设关键词对应的任务,在执行步骤S105之前,可以根据目标字符来查找与目标字符相匹配的预设关键词所对应的任务作为目标任务,再执行步骤S105。
承接上述文本图像为直播间直播过程中获取到的图像为例,若预设关键字为需要对字符进行质量评估的关键字,目标任务例如可以是将文本图像中与目标字符相关的字符进行存储,以使人工对存储的与目标字符相关的字符进行质量评估。
承接上述文本图像为直播间直播过程中获取到的图像为例,目标任务例如可以是生成页面跳转的控件并显示在电子设备上,在电子设备上执行页面跳转操作后可以跳转至目标页面。
作为示例,步骤S105可以通过以下方式实施:在场景类别为与目标字符对应的预设场景类别的情况下,确定目标字符与预设的目标任务匹配;在场景类别不为与目标字符对应的预设场景类别的情况下,确定目标字符与预设的目标任务不匹配。示例地,以文本图像可以是电子设备在直播间直播过程中执行截图操作得到的图像,与目标字符对应的预设场景类别为直播场景类别,因此,在目标字符在文本图像中所在的场景类别为直播场景类别的情况下,确定目标字符与预设的目标任务匹配;在目标字符在文本图像中所在的场景类别为非直播场景类别的情况下,确定目标字符与预设的目标任务不匹配。
值得说明的是,在确定目标字符与预设的目标任务匹配的情况下,可以执行上述目标任务。相对应地,在确定目标字符与预设的目标任务不匹配的情况下,不执行上述目标任务。
通过上述技术方案,对获取的文本图像进行字符识别,得到字符识别结果,确定字符识别结果中存在与预设关键词相匹配的目标字符,确定目标字符所在的场景类别,根据目标字符和场景类别,确定目标字符与预设的目标任务是否匹配,由于场景类别可以表征视觉信息,从而实现协同视觉信息和文本信息来确定目标字符与预设的目标任务是否匹配,在仅依靠关键词的文本匹配方式中加入了视觉信息的约束,提高了确定目标字符是否与预设的目标任务匹配的准确率,进而避免在实际不存在对应的任务判断为存在对应的任务的情况下,任务仍被执行会造成执行任务所需资源的浪费的情况,以及在实际存在对应的任务判断为不存在对应的任务的情况下,造成任务不会被执行的情况。
在一些实施例中,上述的确定目标字符在文本图像中所在的场景类别的步骤可以通过以下方式实施:将目标字符和文本图像输入至训练好的第一场景识别模型,得到第一场景识别模型输出的目标字符在文本图像中所在的场景类别。
其中,训练好的第一场景识别模型是指用来对目标字符在文本图像中所在的场景类别进行分类的机器学期模型,第一场景识别模利用第一训练样本,经过模型训练得到训练好的第一场景识别模型。示例地,第一场景识别模型可以是CNN(Convolutional NeuralNetworks,卷积神经网络)和transfomer模型。
举例来讲,第一场景识别模型可以通过以下方式训练:
获取第一训练样本,其中,第一训练样本包括第一样本图像、第一样本图像中的第一样本字符以及第一样本场景类别标签;通过第一训练样本训练第一初始网络,以得到训练好的第一场景识别模型。
在本实施例中,通过第一训练样本训练第一初始网络具体可以是指:将第一训练样本中的第一样本图像和第一样本图像中的第一样本字符作为第一初始网络的输入,得到第一初始网络输出的第一训练样本对应的第一预测样本场景类别标签,将第一预测样本场景类别标签和第一样本场景类别标签进行损失计算,得到第一损失值;利用第一损失值迭代更新第一初始网络的网络参数,直至达到训练条件,将达到训练条件的第一初始网络作为训练好的第一场景识别模型。示例地,训练条件可以是第一初始网络的网络参数的更新次数达到第一预设次数阈值,或者第一预测样本场景类别标签和第一样本场景类别标签的第一损失值小于第一预设差值。
通过上述方案,利用多模态信息,即携带图像信息的文本图像和携带文本信息的目标字符来确定目标字符在文本图像中所在的场景类别,利用多种模态的信息来确定目标字符在文本图像中所在的场景类别,可以提高识别的场景类别的准确率。
在一些实施例中,上述的确定目标字符在文本图像中所在的场景类别的步骤可以通过以下方式实施:将目标字符、目标字符的位置信息和文本图像输入至训练好的第二场景识别模型,得到第二场景识别模型输出的目标字符在文本图像中所在的场景类别。
其中,训练好的第二场景识别模型是指用来对目标字符在文本图像中所在的场景类别进行分类的机器学期模型,第二场景识别模利用第二训练样本,经过模型训练得到训练好的第二场景识别模型。与第一场景识别模型类似地,第二场景识别模型可以是CNN(Convolutional Neural Networks,卷积神经网络)和transfomer模型。
举例来讲,第二场景识别模型可以通过以下方式训练:
获取第二训练样本,其中,第二训练样本包括第二样本图像、第二样本图像中的第二样本字符、第二样本字符所在的样本位置信息以及第二样本场景类别标签;通过第二训练样本训练第二初始网络,以得到训练好的第二场景识别模型。
在本实施例中,通过第二训练样本训练第二初始网络具体可以是指:将第二训练样本中的第二样本图像、第二样本图像中的第二样本字符以及第二样本字符所在的样本位置信息作为第一初始网络的输入,得到第二初始网络输出的第二训练样本对应的第二预测样本场景类别标签,将第二预测样本场景类别标签和第二样本场景类别标签进行损失计算,得到第二损失值;利用第二损失值迭代更新第二初始网络的网络参数,直至达到训练条件,将达到训练条件的第二初始网络作为训练好的第二场景识别模型。与训练第一场景识别模型类似地,这里的训练条件可以是第二初始网络的网络参数的更新次数达到第二预设次数阈值,或者第二预测样本场景类别标签和第二样本场景类别标签的第二损失值小于第二预设差值。
通过上述方案,利用多模态信息,即携带图像信息的文本图像、携带文本信息的目标字符以及目标字符的位置信息来确定目标字符在文本图像中所在的场景类别,通过携带图像信息的文本图像、携带文本信息的目标字符以及目标字符的位置信息来确定目标字符在文本图像中所在的场景类别,可以进一步提高识别的场景类别的准确率。
图2是根据一示例性实施例示出的一种匹配方法的流程图,参照图2,输入图片A经过OCR(optical character recognition,光学字符识别)系统进行字符识别,得到字符识别结果;将字符识别结果输入到文本匹配系统确定字符识别结果中是否存在与预设关键词相匹配的关键词C;利用关键词C和输入图片A作为视觉场景分析模型的输入,得到视觉场景分析模型输出的关键词C在输入图片A的视觉场景,最后利用视觉场景和关键词C确定关键词C与预设的目标任务是否匹配。
值得说明的是,输入图片A例如上述的文本图像,OCR系统例如上述的采用字符识别算法构建的神经网络模型;关键词C例如上述的目标字符;视觉场景分析模型例如上述的训练好的第一场景识别模型;视觉场景例如上述的目标字符在文本图像中的场景类别。
值得说明的是,在利用视觉场景和关键词C确定关键词C与预设的目标任务匹配的情况下,执行目标任务,在利用视觉场景和关键词C确定关键词C与预设的目标任务不匹配的情况下,不执行目标任务。
通过上述方式,得到用于决策是否执行目标任务的视觉场景和关键词C,将视觉场景的约束引入到仅采用关键词匹配的文本匹配中,提高确定目标字符是否与预设的目标任务匹配的准确率。
图3是根据一示例性实施例示出的一种匹配装置的框图,参照图3,该匹配装置300包括:
第一获取模块301,用于获取文本图像;
字符识别模块302,用于对所述文本图像进行字符识别,得到字符识别结果,其中,所述字符识别结果包括所述文本图像中的字符;
第一确定模块303,用于确定所述字符识别结果中存在与预设关键词相匹配的目标字符;
第二确定模块304,用于确定所述目标字符在所述文本图像中所在的场景类别;
第三确定模块305,用于根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否匹配。
在一些实施例中,所述第二确定模块304包括第一确定子模块,第一确定子模块用于将所述目标字符和所述文本图像输入至训练好的第一场景识别模型,得到所述第一场景识别模型输出的所述目标字符在所述文本图像中所在的场景类别。
在一些实施例中,所述匹配装置300还包括第一训练模块,所述第一训练模块通过以下方式训练第一场景识别模型:
获取第一训练样本,其中,所述第一训练样本包括第一样本图像、第一样本图像中的第一样本字符以及第一样本场景类别标签;
通过所述第一训练样本训练第一初始网络,以得到训练好的第一场景识别模型。
在一些实施例中,所述字符识别结果还包括所述文本图像中的字符的位置信息,所述第二确定模块304包括第二确定子模块,第二确定子模块用于将所述目标字符、所述目标字符的位置信息和所述文本图像输入至训练好的第二场景识别模型,得到所述第二场景识别模型输出的所述目标字符在所述文本图像中所在的场景类别。
在一些实施例中,所述匹配装置300还包括第二训练模块,所述第二训练模块通过以下方式训练第二场景识别模型:
获取第二训练样本,其中,所述第二训练样本包括第二样本图像、第二样本图像中的第二样本字符、所述第二样本字符所在的样本位置信息以及第二样本场景类别标签;
通过所述第二训练样本训练第二初始网络,以得到训练好的第二场景识别模型。
在一些实施例中,所述第三确定模块305包括第三确定子模块,第三确定子模块用于在所述场景类别为与所述目标字符对应的预设场景类别的情况下,确定所述目标字符与预设的目标任务匹配。
在一些实施例中,所述第三确定模块305还包括第四确定子模块,第四确定子模块用于在所述场景类别不为与所述目标字符对应的预设场景类别的情况下,确定所述目标字符与预设的目标任务不匹配。
本公开实施例提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现上述所述方法的步骤。
本公开实施例提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以上述所述方法的步骤。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405: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406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,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,根据本公开的实施例,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,本公开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409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开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。在本公开中,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。而在本公开中,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,电子设备可以利用诸如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:获取文本图像;对所述文本图像进行字符识别,得到字符识别结果,其中,所述字符识别结果包括所述文本图像中的字符;确定所述字符识别结果中存在与预设关键词相匹配的目标字符;确定所述目标字符在所述文本图像中所在的场景类别;根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否匹配。
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公开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,图示了按照本公开各种实施例的系统、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。
描述于本公开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:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (10)
1.一种匹配方法,其特征在于,包括:
获取文本图像;
对所述文本图像进行字符识别,得到字符识别结果,其中,所述字符识别结果包括所述文本图像中的字符;
确定所述字符识别结果中存在与预设关键词相匹配的目标字符;
确定所述目标字符在所述文本图像中所在的场景类别;
根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否匹配。
2.根据权利要求1所述的方法,其特征在于,所述确定所述目标字符在所述文本图像中所在的场景类别,包括:
将所述目标字符和所述文本图像输入至训练好的第一场景识别模型,得到所述第一场景识别模型输出的所述目标字符在所述文本图像中所在的场景类别。
3.根据权利要求2所述的方法,其特征在于,所述第一场景识别模型通过以下方式训练:
获取第一训练样本,其中,所述第一训练样本包括第一样本图像、第一样本图像中的第一样本字符以及第一样本场景类别标签;
通过所述第一训练样本训练第一初始网络,以得到训练好的第一场景识别模型。
4.根据权利要求1所述的方法,其特征在于,所述字符识别结果还包括所述文本图像中的字符的位置信息,所述确定所述目标字符在所述文本图像中所在的场景类别,包括:
将所述目标字符、所述目标字符的位置信息和所述文本图像输入至训练好的第二场景识别模型,得到所述第二场景识别模型输出的所述目标字符在所述文本图像中所在的场景类别。
5.根据权利要求4所述的方法,其特征在于,所述第二场景识别模型通过以下方式训练:
获取第二训练样本,其中,所述第二训练样本包括第二样本图像、第二样本图像中的第二样本字符、所述第二样本字符所在的样本位置信息以及第二样本场景类别标签;
通过所述第二训练样本训练第二初始网络,以得到训练好的第二场景识别模型。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否匹配,包括:
在所述场景类别为与所述目标字符对应的预设场景类别的情况下,确定所述目标字符与预设的目标任务匹配。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否相匹配,还包括:
在所述场景类别不为与所述目标字符对应的预设场景类别的情况下,确定所述目标字符与预设的目标任务不匹配。
8.一种匹配装置,其特征在于,包括:
第一获取模块,用于获取文本图像;
字符识别模块,用于对所述文本图像进行字符识别,得到字符识别结果,其中,所述字符识别结果包括所述文本图像中的字符;
第一确定模块,用于确定所述字符识别结果中存在与预设关键词相匹配的目标字符;
第二确定模块,用于确定所述目标字符在所述文本图像中所在的场景类别;
第三确定模块,用于根据所述目标字符和所述场景类别,确定所述目标字符与预设的目标任务是否匹配。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211652325.9A CN116092092A (zh) | 2022-12-21 | 2022-12-21 | 匹配方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211652325.9A CN116092092A (zh) | 2022-12-21 | 2022-12-21 | 匹配方法、装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116092092A true CN116092092A (zh) | 2023-05-09 |
Family
ID=86201742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211652325.9A Pending CN116092092A (zh) | 2022-12-21 | 2022-12-21 | 匹配方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116092092A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116945191A (zh) * | 2023-09-11 | 2023-10-27 | 重庆北睿星科技有限公司 | 一种基于人工智能的机器人控制方法 |
-
2022
- 2022-12-21 CN CN202211652325.9A patent/CN116092092A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116945191A (zh) * | 2023-09-11 | 2023-10-27 | 重庆北睿星科技有限公司 | 一种基于人工智能的机器人控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113313064A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
CN110084317B (zh) | 用于识别图像的方法和装置 | |
CN111738316B (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN113449070A (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN116129452A (zh) | 文档理解模型的生成方法、应用方法、装置、设备及介质 | |
CN110287817B (zh) | 目标识别及目标识别模型的训练方法、装置和电子设备 | |
CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 | |
CN113033707B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
CN116092092A (zh) | 匹配方法、装置、介质及电子设备 | |
CN117241092A (zh) | 一种视频处理方法、装置、存储介质及电子设备 | |
CN116244431A (zh) | 文本分类方法、装置、介质及电子设备 | |
CN113222050B (zh) | 图像分类方法、装置、可读介质及电子设备 | |
CN116186545A (zh) | 预训练模型的训练、应用方法、装置、电子设备及介质 | |
CN116483891A (zh) | 一种信息预测方法、装置、设备和存储介质 | |
CN113033680B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
CN115546487A (zh) | 图像模型训练方法、装置、介质及电子设备 | |
CN112669816B (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
CN115269978A (zh) | 一种视频标签生成方法、装置、设备及介质 | |
CN111738311A (zh) | 面向多任务的特征提取方法、装置及电子设备 | |
CN116343905B (zh) | 蛋白质特征的预处理方法、装置、介质及设备 | |
CN114693814B (zh) | 模型的解码方法、文本识别方法、装置、介质及设备 | |
CN111367555B (zh) | 断言的方法、装置、电子设备及计算机可读介质 | |
CN118093409A (zh) | 页面检测方法、装置、介质及电子设备 | |
CN116129324A (zh) | 特效识别方法、装置、介质和电子设备 | |
CN116824592A (zh) | 地址信息识别方法、装置、电子设备与计算机可读介质 |
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 |