CN116863484A - 一种字符识别的方法、装置、存储介质及电子设备 - Google Patents
一种字符识别的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116863484A CN116863484A CN202310802297.2A CN202310802297A CN116863484A CN 116863484 A CN116863484 A CN 116863484A CN 202310802297 A CN202310802297 A CN 202310802297A CN 116863484 A CN116863484 A CN 116863484A
- Authority
- CN
- China
- Prior art keywords
- character
- image
- feature
- determining
- segmentation model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000011218 segmentation Effects 0.000 claims abstract description 74
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 238000012549 training Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 239000002131 composite material Substances 0.000 claims description 12
- 238000009877 rendering Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution 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
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
-
- 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
- G06V30/148—Segmentation of character regions
- G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本说明书公开了一种字符识别的方法、装置、存储介质和电子设备,先将待分割图像输入预先训练的字符分割模型,确定单字符图像,再输入特征提取模型,以确定该单字符图像的图像特征,对该待编码字符进行编码,得到对应的字符编码,并,建立该图像特征与该字符编码的编码对应关系,将该编码对应关系添加至预先建立的字符图像特征库中,当接收到用户发送的待识别字符图像时,在该字符图像特征库中,确定与待识别字符图像的图像特征匹配的图像特征,以确定对应的字符编码及识别待识别字符。本方法通过根据待编码字符的图像特征,对该待编码字符进行编码,以根据该图像特征识别待识别字符图像中所包含的字符,提高了字符识别的正确率。
Description
技术领域
本说明书涉及图像处理,尤其涉及一种字符识别的方法、装置、存储介质及电子设备。
背景技术
随着智能识别技术的发展,人们可以通过各类电子设备提取图像中的文字,例如,用户利用手机拍摄照片,并提取照片中包含的文字,其中,该文字可能包含用户的隐私信息。由于现存的字符编码主要包括主流语种的字符编码,而非主流语种的字符编码较少,因此在提取图像中的文字时,当待识别文字的语种为主流语种时,如汉语、英语等,经识别提取的文字结果会比较准确,但当待识别文字为非主流语种时,经识别提取的文字的准确性就会比较低。
基于此,本说明书提供一种字符识别的方法,对字符进行编码,提高非主流语种的字符识别结果的准确率。
发明内容
本说明书提供一种字符识别的方法、装置、存储介质及电子设备,以至少部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供一种字符识别的方法,包括:
获取包含待编码字符的待分割图像;
将所述待分割图像输入预先训练的字符分割模型,以根据所述字符分割模型输出的结果,确定所述待分割图像中的单字符图像;
针对每个单字符图像,将该单字符图像输入预先训练的特征提取模型,以根据所述特征提取模型输出的结果,确定该单字符图像的图像特征;
根据所述图像特征,对所述待编码字符进行编码,得到所述待编码字符对应的字符编码;并,建立所述图像特征与所述字符编码的编码对应关系;将所述编码对应关系添加至预先建立的字符图像特征库中;
当接收到用户发送的待识别字符图像时,确定所述待识别字符图像的图像特征,作为第一图像特征;
在所述字符图像特征库中,确定与所述第一图像特征匹配的图像特征,作为第二图像特征;并,根据所述第二图像特征,确定所述第二图像特征对应的字符编码,以识别所述待识别字符图像包含的字符。
可选地,将该单字符图像输入预先训练的特征提取模型,具体包括:
对该单字符图像进行二值化处理;
将二值化处理后的单字符图像输入预先训练的特征提取模型。
可选地,将所述编码对应关系添加至预先建立的字符图像特征库中,具体包括:
建立所述字符编码与所述待编码字符的字符对应关系;
将所述字符对应关系及所述编码对应关系添加至预先建立的字符图像特征库中。
可选地,确定与所述第一图像特征匹配的图像特征,具体包括:
根据所述第一图像特征,确定与所述第一图像特征的相似度大于预设相似度阈值的图像特征,作为相似图像特征;
在所述相似图像特征中,确定与所述第一图像特征相似度最高的图像特征。
可选地,识别所述待识别字符图像包含的字符,具体包括:
根据所述第二图像特征对应的字符编码及所述字符对应关系,确定所述待识别字符图像包含的字符。
可选地,所述方法还包括:
将若干个字符编码进行融合,得到字符串编码;并,将所述若干个字符编码对应的图像特征进行融合,得到字符串图像特征;
建立所述字符串图像特征与所述字符串编码的对应关系,作为字符串对应关系;
将所述字符串对应关系添加至预先建立的字符图像特征库中。
可选地,训练所述字符分割模型,具体包括:
获取文本行合成图像,并确定所述文本行合成图像中的真实单字符间距,作为第一标签;
将所述文本行合成图像输入字符分割模型,确定所述字符分割模型输出的待优化单字符间距;
根据所述第一标签及所述待优化单字符间距,对所述字符分割模型进行预训练。
可选地,获取文本行合成图像,具体包括:
获取若干个单字符;
按照预设排版规则,对所述若干个单字符进行排版,并渲染,得到文本行合成图像。
可选地,所述方法还包括:
获取样本文本行图像以及所述样本文本行图像对应的样本单字符图像,并将所述样本单字符图像作为第二标签;
将所述样本文本行图像输入所述字符分割模型,确定所述字符分割模型输出的待优化单字符图像;
确定所述第二标签及所述待优化单字符图像的差异;
根据所述差异,对所述字符分割模型进行调整训练。
本说明书提供了一种字符识别的装置,所述装置包括:
待分割图像获取模块,用于获取包含待编码字符的待分割图像;
单字符图像获取模块,用于将所述待分割图像输入预先训练的字符分割模型,以根据所述字符分割模型输出的结果,确定所述待分割图像中的单字符图像;
图像特征确定模块,用于针对每个单字符图像,将该单字符图像输入预先训练的特征提取模型,以根据所述特征提取模型输出的结果,确定该单字符图像的图像特征;
编码确定模块,用于根据所述图像特征,对所述待编码字符进行编码,得到所述待编码字符对应的字符编码;并,建立所述图像特征与所述字符编码的编码对应关系;将所述编码对应关系添加至预先建立的字符图像特征库中;
待识别特征确定模块,用于当接收到用户发送的待识别字符图像时,确定所述待识别字符图像的图像特征,作为第一图像特征;
特征匹配模块,用于在所述字符图像特征库中,确定与所述第一图像特征匹配的图像特征,作为第二图像特征;并,根据所述第二图像特征,确定所述第二图像特征对应的字符编码,以识别所述待识别字符图像包含的字符。
可选地,所述图像特征确定模块具体用于,对该单字符图像进行二值化处理;将二值化处理后的单字符图像输入预先训练的特征提取模型。
可选地,所述编码确定模块具体用于,建立所述字符编码与所述待编码字符的字符对应关系;将所述字符对应关系及所述编码对应关系添加至预先建立的字符图像特征库中。
可选地,所述特征匹配模块具体用于,根据所述第一图像特征,确定与所述第一图像特征的相似度大于预设相似度阈值的图像特征,作为相似图像特征;在所述相似图像特征中,确定与所述第一图像特征相似度最高的图像特征。
可选地,所述特征匹配模块具体用于,根据所述第二图像特征对应的字符编码及所述字符对应关系,确定所述待识别字符图像包含的字符。
可选地,所述装置还包括:
字符串编码模块,用于将若干个字符编码进行融合,得到字符串编码;并,将所述若干个字符编码对应的图像特征进行融合,得到字符串图像特征;建立所述字符串图像特征与所述字符串编码的对应关系,作为字符串对应关系;将所述字符串对应关系添加至预先建立的字符图像特征库中。
可选地,所述装置还包括:
字符分割模型预训练模块,用于获取文本行合成图像,并确定所述文本行合成图像中的真实单字符间距,作为第一标签;将所述文本行合成图像输入字符分割模型,确定所述字符分割模型输出的待优化单字符间距;根据所述第一标签及所述待优化单字符间距,对所述字符分割模型进行预训练。
可选地,所述字符分割模型预训练模块具体用于,获取若干个单字符;按照预设排版规则,对所述若干个单字符进行排版,并渲染,得到文本行合成图像。
可选地,所述装置还包括:
字符分割模型调整训练模块,用于获取样本文本行图像以及所述样本文本行图像对应的样本单字符图像,并将所述样本单字符图像作为第二标签;将所述样本文本行图像输入所述字符分割模型,确定所述字符分割模型输出的待优化单字符图像;确定所述第二标签及所述待优化单字符图像的差异;根据所述差异,对所述字符分割模型进行调整训练。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述字符识别的方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述字符识别的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
从本说明书提供的字符识别的方法可以看出,由于现存的字符编码库中存在的非主流语种的字符编码较少,导致识别图像中包含的非主流语种的字符时的准确性较低。为了提高识别图像中包含的非主流语种的字符时的准确性,可对非主流语种的字符按照一定规则进行编码。在对在非主流语种的字符进行编码时,由于字符本身的字符特征不会改变,且单字符图像即可体现该字符。因此,本方法根据最接近该字符特征的单字符图像的图像特征,对该字符进行编码,得到该字符的字符编码。再根据该字符编码,确定该待识别字符图像中所包含的字符,提高了字符识别的正确率。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附
图中:
图1为本说明书提供的一种字符识别的方法的流程示意图;
图2为本说明提供的识别待识别字符图像的流程示意图;
图3为本说明书提供的一种字符识别的装置示意图;
图4为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书提供的一种字符识别的方法的流程示意图,具体包括以下步骤:
S100:获取包含待编码字符的待分割图像。
在识别图像中的文字时,由于该图像中的文字的语种为非主流语种,现存的字符编码中可能包含的该非主流语种的字符编码较少,因此,会导致识别该图像中的文字时,得到的识别结果的准确性较低。因此,本说明书提供一种字符识别的方法,在本说明书实施例中的执行主体可以是可对字符进行编码的服务器,也可以是可识别图像中的字符的服务器或其他电子设备,本说明书对此不作限制。为了方便说明,下面以服务器为执行主体进行说明。
在识别图像中的字符时,需要根据该字符的字符编码,识别该字符,因此,服务器还需对非主流语种中的字符进行编码。服务器在对字符进行编码时,需要先获取包含待编码字符的待分割图像,该待分割图像可以是在识别图像中的字符时,未得到正确的识别结果时的图像,也可以是经过渲染合成的包含字符的图像,本说明书对此不作限制。即,获取若干个单字符,对该若干个单字符进行渲染,得到包括若干个单字符的待分割图像。当然,也可进对一个单字符进行渲染,得到仅包括一个单字符的待分割图像,本说明书不限制待分割图像包括的单字符的数量。
S102:将所述待分割图像输入预先训练的字符分割模型,以根据所述字符分割模型输出的结果,确定所述待分割图像中的单字符图像。
由于待识别字符图像中包含的字符可能是单字符,也可能是多个单字符组成的字符串,为了后续在识别时图像中的字符时,得到正确率较高的识别结果,服务器可对单字符进行编码,再由多个单字符获取字符串编码。那么,服务器对单字符进行编码时,还需要在待分割图像中获取单字符图像。
具体的,将该待分割图像输入预先训练的字符分割模型,以根据该字符分割模型输出的结果,确定该待分割图像中的单字符图像。即,通过该字符分割模型,从待分割图像中获取单字符图像。需要说明的是,若该待分割图像中仅包含一个单字符,则可不对该待分割图像进行分割。
S104:针对每个单字符图像,将该单字符图像输入预先训练的特征提取模型,以根据所述特征提取模型输出的结果,确定该单字符图像的图像特征。
在本说明书一个或多个实施例中,区别于以往的通过字符本身对该字符进行编码的方式,服务器是通过字符的图像特征对该字符进行编码的,因此,针对每个单字符图像,将该单字符图像输入预先训练的特征提取模型,以根据该特征提取模型输出的结果,确定该单字符图像的图像特征。其中,特征提取模型可为任一可获取图像特征的模型,本说明书对此不作限制,并且,训练特征提取模型的技术也较为成熟,本说明书对此不再赘述。
S106:根据所述图像特征,对所述待编码字符进行编码,得到所述待编码字符对应的字符编码;并,建立所述图像特征与所述字符编码的编码对应关系;将所述编码对应关系添加至预先建立的字符图像特征库中。
获取单字符图像的图像特征后,根据该图像特征,对该待编码字符进行编码,服务器可通过MD5(Message-Digest Algorithm 5,MD5)算法对该待编码字符进行编码,或其他编码方式,得到该待编码字符对应的字符编码,本说明书对此不作限制,只要获得该待编码字符的唯一字符编码即可。
由于服务器是根据图像特征识别图像中包含的字符,因此得到字符编码后,还需建立该图像特征与该字符编码的编码对应关系,为了后续便于根据该图像特征及编码对应关系识别字符,服务器还可将该编码对应关系添加至预先建立的字符图像特征库中。其中,该字符图像特征库可预先建立,也可在需要存放编码对应关系时建立,本说明书对此不作限制。
此外,由于服务器最终需要得到的是待识别字符图像中包含的字符,因此,还需建立该字符编码与该待编码字符的字符对应关系,并将该字符对应关系添加至预先建立的字符图像特征库中。
S108:当接收到用户发送的待识别字符图像时,确定所述待识别字符图像的图像特征,作为第一图像特征。
在本说明书一个或多个实施例中,图2为本说明提供的识别待识别字符图像的流程示意图,如图2所示。
待识别字符图像中包括的文字为“我的文档”,服务器可将该待识别字符图像输入特征提取模型,以确定该待识别字符图像的图像特征,还可根据其他方式获取该待识别字符图像的图像特征,本说明书对此不作限制。此外,在确定该第一图像特征时,还可对该待识别字符图像进行二值化处理,由于经过二值化处理的图像中不会存在除待识别字符以外的其他特征。因此,根据经过二值化处理后的图像确定出的第一图像特征,可充分体现出该待识别字符本身的字符特征,则后续根据第一图像特征确定出的字符识别结果的准确性也较高。
S110:在所述字符图像特征库中,确定与所述第一图像特征匹配的图像特征,作为第二图像特征;并,根据所述第二图像特征,确定所述第二图像特征对应的字符编码,以识别所述待识别字符图像包含的字符。
为了识别该待识别字符图像中的包含的字符,服务器可在该字符图像特征库中,确定与该第一图像特征的相似度大于预设相似度阈值的图像特征,作为相似图像特征。在该相似图像特征中,确定与该第一图像特征相似度最高的图像特征,作为第二图像特征。当然,服务器还可直接在该字符图像特征库中,确定与该第一图像特征相似度最高的图像特征,本说明书对此不作限制。需要说明的是,本说明书不限制确定图像特征之间的相似度的方式,服务器可根据哈希算法等方式,确定图像特征之间的相似度。
服务器确定该第二图像特征后,根据该第二图像特征,确定该第二图像特征对应的字符编码,再根据该第二图像特征对应的字符编码及该字符对应关系,确定该待识别字符图像包含的字符。
需要说明的是,若在该字符图像特征库中不存在相似图像特征,或直接确定的与该第一图像特征相似度最高的相似度值仍较低,则根据该第一图像特征,对该待识别字符图像中的字符进行编码,得到该待识别字符图像中字符的字符编码,并建立该第一图像特征与该待识别字符图像中字符的字符编码的编码对应关系,并将该编码对应关系添加至预先建立的字符图像特征库中,以便下一次再次识别该字符时,获取正确的识别结果。
例如,假使相似度阈值为50%,与该第一图像特征相似度最高的相似度值为20%,则对该待识别字符图像中的字符进行编码。
基于图1所示的字符识别的方法,由于现存的字符编码库中存在的非主流语种的字符编码较少,导致识别图像中包含的非主流语种的字符时的准确性较低。为了提高识别图像中包含的非主流语种的字符时的准确性,可对非主流语种的字符按照一定规则进行编码。在对在非主流语种的字符进行编码时,由于字符本身的字符特征不会改变,且单字符图像即可体现该字符。因此,本方法根据最接近该字符特征的单字符图像的图像特征,对该字符进行编码,得到该字符的字符编码。再根据该字符编码,确定该待识别字符图像中所包含的字符,提高了字符识别的正确率。
针对步骤S104,在将单字符图像输入预先训练的特征提取模型时,为了获取更准确的该单字符图像的图像特征,服务器还可对该单字符图像进行二值化处理,再将二值化处理后的单字符图像输入预先训练的特征提取模型。本说明书不限制对该单字符图像进行二值化处理的具体方法。其中,由于经过二值化处理的单字符图像中不会存在除该单字符以外的其他特征,因此,经过二值化处理的单字符图像的图像特征,与该单字符本身的字符特征较为接近,可充分体现出该单字符本身的字符特征。
针对步骤S106,由于服务器在识别待识别字符图像中的字符时,不仅可以单字符识别,还可以识别字符串,因此,在获取单字符的字符编码后,还可将若干个单字符的字符编码进行融合,得到字符串编码,并将该若干个字符编码对应的图像特征进行融合,得到字符串图像特征,建立该字符串图像特征与该字符串编码的对应关系,作为字符串对应关系,将该字符串对应关系添加至预先建立的字符图像特征库中。其中,将若干个单字符的字符编码进行融合时,可仅将若干个单字符的字符编码排列在一起,也可对若干个单字符的字符编码进行其他处理后,得到字符串编码,本说明书对此不作限制。
例如,现有若干个单字符的字符编码分别为1、2、3、4、5,那么,得到的字符串编码可以为12345。
那么,针对步骤S108,如图2所示,若后续根据字符编码,识别图像中的字符,则在获取待识别字符图像的图像特征时,可将该待识别字符图像输入字符分割模型,得到单字符图像,即分别包含“我”、“的”、“文”、“档”这四个字符的单字符图像。再根据特征提取模型,获取该单字符图像的图像特征。若后续根据字符串编码,识别图像中的字符,则直接将该待识别字符图像输入特征提取模型,获得该待识别字符图像的图像特征,以便后续根据该待识别字符图像的图像特征,在字符图像特征库中,确定出字符串编码,识别该待识别字符图像中包含的字符。
本说明书还提供一种字符分割模型的训练方法,首先,服务器获取若干个单字符,按照预设排版规则,对该若干个单字符进行排版,并渲染,得到文本行合成图像。其中,预设排版规则包括单字符的具体位置、大小及两个单字符之间的字符间距等,本说明书对此不做限制。
服务器在获取文本行合成图像的时,还可确定该文本行合成图像中的真实单字符间距,作为第一标签。服务器可直接确定该文本行合成图像中的真实单字符间距,也可根据该文本行合成图像中单字符的个数、每个单字符的位置及大小,确定该文本行合成图像中的真实单字符间距。然后,将该文本行合成图像输入字符分割模型,确定该字符分割模型输出的待优化单字符间。最后,根据该第一标签及该待优化单字符间距,对该字符分割模型进行预训练。即确定该第一标签与该待优化单字符间距的差异,并以减少该第一标签与该待优化单字符间距的差异为第一训练目标,对该字符分割模型进行预训练。
需要说明的是,对该字符分割模型进行预训练是为了让该字符分割模型具有确定图像中任意两个单字符之间的距离的能力,以便后续利用该字符分割模型对多个字符进行分割。
由于服务器对该字符分割模型进行预训练后,该字符分割模型仅可确定单字符间距,为了使该字符分割模型可分割出单字符图像,服务器还需要对该字符分割模型进行调整训练。
具体的,服务器先获取样本文本行图像以及该样本文本行图像对应的样本单字符图像,并将该样本单字符图像作为第二标签。再将该样本文本行图像输入该字符分割模型,确定该字符分割模型输出的待优化单字符图像。然后,确定该第二标签及该待优化单字符图像的差异。最后,根据该差异,对该字符分割模型进行调整训练。即,以最小化该第二标签及该待优化单字符图像的差异为第二训练目标,对该字符分割模型进行调整训练。
以上为本说明书的一个或多个实施例提供的字符识别的方法,基于同样的思路,本说明书还提供了相应的字符识别的装置,如图3所示。
图3本说明书提供的一种字符识别的装置示意图,所述装置包括:
待分割图像获取模块300,用于获取包含待编码字符的待分割图像;
单字符图像获取模块302,用于将所述待分割图像输入预先训练的字符分割模型,以根据所述字符分割模型输出的结果,确定所述待分割图像中的单字符图像;
图像特征确定模块304,用于针对每个单字符图像,将该单字符图像输入预先训练的特征提取模型,以根据所述特征提取模型输出的结果,确定该单字符图像的图像特征;
编码确定模块306,用于根据所述图像特征,对所述待编码字符进行编码,得到所述待编码字符对应的字符编码;并,建立所述图像特征与所述字符编码的编码对应关系;将所述编码对应关系添加至预先建立的字符图像特征库中;
待识别特征确定模块308,用于当接收到用户发送的待识别字符图像时,确定所述待识别字符图像的图像特征,作为第一图像特征;
特征匹配模块310,用于在所述字符图像特征库中,确定与所述第一图像特征匹配的图像特征,作为第二图像特征;并,根据所述第二图像特征,确定所述第二图像特征对应的字符编码,以识别所述待识别字符图像包含的字符。
可选地,所述图像特征确定模块304具体用于,对该单字符图像进行二值化处理;将二值化处理后的单字符图像输入预先训练的特征提取模型。
可选地,所述编码确定模块306具体用于,建立所述字符编码与所述待编码字符的字符对应关系;将所述字符对应关系及所述编码对应关系添加至预先建立的字符图像特征库中。
可选地,所述特征匹配模块310具体用于,根据所述第一图像特征,确定与所述第一图像特征的相似度大于预设相似度阈值的图像特征,作为相似图像特征;在所述相似图像特征中,确定与所述第一图像特征相似度最高的图像特征。
可选地,所述特征匹配模块310具体用于,根据所述第二图像特征对应的字符编码及所述字符对应关系,确定所述待识别字符图像包含的字符。
可选地,所述装置还包括:
字符串编码模块312,用于将若干个字符编码进行融合,得到字符串编码;并,将所述若干个字符编码对应的图像特征进行融合,得到字符串图像特征;建立所述字符串图像特征与所述字符串编码的对应关系,作为字符串对应关系;将所述字符串对应关系添加至预先建立的字符图像特征库中。
可选地,所述装置还包括:
字符分割模型预训练模块314,用于获取文本行合成图像,并确定所述文本行合成图像中的真实单字符间距,作为第一标签;将所述文本行合成图像输入字符分割模型,确定所述字符分割模型输出的待优化单字符间距;根据所述第一标签及所述待优化单字符间距,对所述字符分割模型进行预训练。
可选地,所述字符分割模型预训练模块314具体用于,获取若干个单字符;按照预设排版规则,对所述若干个单字符进行排版,并渲染,得到文本行合成图像。
可选地,所述装置还包括:
字符分割模型调整训练模块316,用于获取样本文本行图像以及所述样本文本行图像对应的样本单字符图像,并将所述样本单字符图像作为第二标签;将所述样本文本行图像输入所述字符分割模型,确定所述字符分割模型输出的待优化单字符图像;确定所述第二标签及所述待优化单字符图像的差异;根据所述差异,对所述字符分割模型进行调整训练。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的字符识别的方法。
本说明书还提供了图4所示的电子设备的结构示意图。如图4所示,在硬件层面,该无人驾驶设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的字符识别的方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (20)
1.一种字符识别的方法,所述方法包括:
获取包含待编码字符的待分割图像;
将所述待分割图像输入预先训练的字符分割模型,以根据所述字符分割模型输出的结果,确定所述待分割图像中的单字符图像;
针对每个单字符图像,将该单字符图像输入预先训练的特征提取模型,以根据所述特征提取模型输出的结果,确定该单字符图像的图像特征;
根据所述图像特征,对所述待编码字符进行编码,得到所述待编码字符对应的字符编码;并,建立所述图像特征与所述字符编码的编码对应关系;将所述编码对应关系添加至预先建立的字符图像特征库中;
当接收到用户发送的待识别字符图像时,确定所述待识别字符图像的图像特征,作为第一图像特征;
在所述字符图像特征库中,确定与所述第一图像特征匹配的图像特征,作为第二图像特征;并,根据所述第二图像特征,确定所述第二图像特征对应的字符编码,以识别所述待识别字符图像包含的字符。
2.如权利要求1所述的方法,将该单字符图像输入预先训练的特征提取模型,具体包括:
对该单字符图像进行二值化处理;
将二值化处理后的单字符图像输入预先训练的特征提取模型。
3.如权利要求1所述的方法,将所述编码对应关系添加至预先建立的字符图像特征库中,具体包括:
建立所述字符编码与所述待编码字符的字符对应关系;
将所述字符对应关系及所述编码对应关系添加至预先建立的字符图像特征库中。
4.如权利要求1所述的方法,确定与所述第一图像特征匹配的图像特征,具体包括:
根据所述第一图像特征,确定与所述第一图像特征的相似度大于预设相似度阈值的图像特征,作为相似图像特征;
在所述相似图像特征中,确定与所述第一图像特征相似度最高的图像特征。
5.如权利要求3所述的方法,识别所述待识别字符图像包含的字符,具体包括:
根据所述第二图像特征对应的字符编码及所述字符对应关系,确定所述待识别字符图像包含的字符。
6.如权利要求1所述的方法,所述方法还包括:
将若干个字符编码进行融合,得到字符串编码;并,将所述若干个字符编码对应的图像特征进行融合,得到字符串图像特征;
建立所述字符串图像特征与所述字符串编码的对应关系,作为字符串对应关系;
将所述字符串对应关系添加至预先建立的字符图像特征库中。
7.如权利要求1所述的方法,训练所述字符分割模型,具体包括:
获取文本行合成图像,并确定所述文本行合成图像中的真实单字符间距,作为第一标签;
将所述文本行合成图像输入字符分割模型,确定所述字符分割模型输出的待优化单字符间距;
根据所述第一标签及所述待优化单字符间距,对所述字符分割模型进行预训练。
8.如权利要求7所述的方法,获取文本行合成图像,具体包括:
获取若干个单字符;
按照预设排版规则,对所述若干个单字符进行排版,并渲染,得到文本行合成图像。
9.如权利要求7所述的方法,所述方法还包括:
获取样本文本行图像以及所述样本文本行图像对应的样本单字符图像,并将所述样本单字符图像作为第二标签;
将所述样本文本行图像输入所述字符分割模型,确定所述字符分割模型输出的待优化单字符图像;
确定所述第二标签及所述待优化单字符图像的差异;
根据所述差异,对所述字符分割模型进行调整训练。
10.一种字符识别的装置,所述装置包括:
待分割图像获取模块,用于获取包含待编码字符的待分割图像;
单字符图像获取模块,用于将所述待分割图像输入预先训练的字符分割模型,以根据所述字符分割模型输出的结果,确定所述待分割图像中的单字符图像;
图像特征确定模块,用于针对每个单字符图像,将该单字符图像输入预先训练的特征提取模型,以根据所述特征提取模型输出的结果,确定该单字符图像的图像特征;
编码确定模块,用于根据所述图像特征,对所述待编码字符进行编码,得到所述待编码字符对应的字符编码;并,建立所述图像特征与所述字符编码的编码对应关系;将所述编码对应关系添加至预先建立的字符图像特征库中;
待识别特征确定模块,用于当接收到用户发送的待识别字符图像时,确定所述待识别字符图像的图像特征,作为第一图像特征;
特征匹配模块,用于在所述字符图像特征库中,确定与所述第一图像特征匹配的图像特征,作为第二图像特征;并,根据所述第二图像特征,确定所述第二图像特征对应的字符编码,以识别所述待识别字符图像包含的字符。
11.如权利要求10所述的装置,所述图像特征确定模块具体用于,对该单字符图像进行二值化处理;将二值化处理后的单字符图像输入预先训练的特征提取模型。
12.如权利要求10所述的装置,所述编码确定模块具体用于,建立所述字符编码与所述待编码字符的字符对应关系;将所述字符对应关系及所述编码对应关系添加至预先建立的字符图像特征库中。
13.如权利要求10所述的装置,所述特征匹配模块具体用于,根据所述第一图像特征,确定与所述第一图像特征的相似度大于预设相似度阈值的图像特征,作为相似图像特征;在所述相似图像特征中,确定与所述第一图像特征相似度最高的图像特征。
14.如权利要求12所述的装置,所述特征匹配模块具体用于,根据所述第二图像特征对应的字符编码及所述字符对应关系,确定所述待识别字符图像包含的字符。
15.如权利要求10所述的装置,所述装置还包括:
字符串编码模块,用于将若干个字符编码进行融合,得到字符串编码;并,将所述若干个字符编码对应的图像特征进行融合,得到字符串图像特征;建立所述字符串图像特征与所述字符串编码的对应关系,作为字符串对应关系;将所述字符串对应关系添加至预先建立的字符图像特征库中。
16.如权利要求10所述的装置,所述装置还包括:
字符分割模型预训练模块,用于获取文本行合成图像,并确定所述文本行合成图像中的真实单字符间距,作为第一标签;将所述文本行合成图像输入字符分割模型,确定所述字符分割模型输出的待优化单字符间距;根据所述第一标签及所述待优化单字符间距,对所述字符分割模型进行预训练。
17.如权利要求16所述的装置,所述字符分割模型预训练模块具体用于,获取若干个单字符;按照预设排版规则,对所述若干个单字符进行排版,并渲染,得到文本行合成图像。
18.如权利要求16所述的装置,所述装置还包括:
字符分割模型调整训练模块,用于获取样本文本行图像以及所述样本文本行图像对应的样本单字符图像,并将所述样本单字符图像作为第二标签;将所述样本文本行图像输入所述字符分割模型,确定所述字符分割模型输出的待优化单字符图像;确定所述第二标签及所述待优化单字符图像的差异;根据所述差异,对所述字符分割模型进行调整训练。
19.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~9任一项所述的方法。
20.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述权利要求1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310802297.2A CN116863484A (zh) | 2023-06-30 | 2023-06-30 | 一种字符识别的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310802297.2A CN116863484A (zh) | 2023-06-30 | 2023-06-30 | 一种字符识别的方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116863484A true CN116863484A (zh) | 2023-10-10 |
Family
ID=88226100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310802297.2A Pending CN116863484A (zh) | 2023-06-30 | 2023-06-30 | 一种字符识别的方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116863484A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456542A (zh) * | 2023-12-26 | 2024-01-26 | 苏州镁伽科技有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
-
2023
- 2023-06-30 CN CN202310802297.2A patent/CN116863484A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456542A (zh) * | 2023-12-26 | 2024-01-26 | 苏州镁伽科技有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
CN117456542B (zh) * | 2023-12-26 | 2024-04-26 | 苏州镁伽科技有限公司 | 图像匹配方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113221555B (zh) | 一种基于多任务模型的关键词识别方法、装置及设备 | |
CN112990172B (zh) | 一种文本识别方法、字符识别方法及装置 | |
CN115600157B (zh) | 一种数据处理的方法、装置、存储介质及电子设备 | |
CN116502176A (zh) | 一种语言模型的预训练方法、装置、介质及电子设备 | |
CN112417093B (zh) | 一种模型训练的方法及装置 | |
CN115618964B (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
CN116863484A (zh) | 一种字符识别的方法、装置、存储介质及电子设备 | |
CN116188971A (zh) | 一种机器人物体识别方法、装置及存储介质 | |
CN116303989A (zh) | 一种面向多种检索场景的专利检索方法、装置、设备 | |
CN113887206B (zh) | 一种模型训练及关键词提取方法及装置 | |
CN116186330B (zh) | 一种基于多模态学习的视频去重方法及装置 | |
CN117591622A (zh) | 一种模型训练和业务执行方法、装置、存储介质及设备 | |
CN115499635B (zh) | 数据压缩处理方法及装置 | |
CN116246276A (zh) | 一种信息识别方法、装置、设备及可读存储介质 | |
CN111597802B (zh) | 一种业务处理方法、装置及电子设备 | |
CN117079646B (zh) | 一种语音识别模型的训练方法、装置、设备及存储介质 | |
CN113642603B (zh) | 一种数据匹配方法、装置、存储介质及电子设备 | |
CN118193797B (zh) | 一种业务执行的方法、装置、存储介质及电子设备 | |
CN115017899B (zh) | 一种缩略语生成方法、装置、设备及存储介质 | |
CN114973225B (zh) | 号牌识别方法、装置及设备 | |
CN112115952B (zh) | 一种基于全卷积神经网络的图像分类方法、设备及介质 | |
CN113343716B (zh) | 一种多语种翻译方法、装置、存储介质及设备 | |
CN117592472A (zh) | 一种模型训练和业务执行方法、装置、存储介质及设备 | |
CN118154947A (zh) | 一种风险图像拦截方法、装置、存储介质及电子设备 | |
CN118069824A (zh) | 一种风险识别的方法、装置、存储介质及电子设备 |
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 |