CN117593751A - 一种文本图像识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明公开了一种文本图像识别方法、装置、电子设备及存储介质。该方法包括：获取待识别文本图像；其中，所述待识别文本图像包括至少一种文本属性的文本信息；基于位置‑属性检测模型对所述待识别文本图像进行检测，得到文本位置信息和所述文本位置信息对应的文本属性；对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，基于所述文本内容和所述文本属性确定结构化的文本内容。本发明将文本信息的文本位置检测和文本属性判别融合到同一模型中，简化处理流程，解决现有技术因此整体处理流程较多导致文本图像的效率较低的问题，提高文本图像的识别效率。

Description

一种文本图像识别方法、装置、电子设备及存储介质

技术领域

本发明涉及文本识别技术领域，尤其涉及一种文本图像识别方法、装置、电子设备及存储介质。

背景技术

近年来，随着光学字符识别(Optical Character Recognition，OCR)相关技术的不断发展，在快递包裹面单、财务报销发票、电子表格数据等邮政相关业务场景，存在广泛的应用需求。

目前，现有的技术基本采用OCR识别、内容结构化相融合的技术策略，整体包括三个核心步骤：文本检测、文本识别、文本内容结构化。然而，现有的方案因此整体处理流程较多导致文本图像的效率较低。

发明内容

本发明提供了一种文本图像识别方法、装置、电子设备及存储介质，以解决现有技术因此整体处理流程较多导致文本图像的效率较低的问题。

根据本发明的一方面，提供了一种文本图像识别方法，包括：

获取待识别文本图像；其中，所述待识别文本图像包括至少一种文本属性的文本信息；

基于位置-属性检测模型对所述待识别文本图像进行检测，得到文本位置信息和所述文本位置信息对应的文本属性；

对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，基于所述文本内容和所述文本属性确定结构化的文本内容。

根据本发明的另一方面，提供了一种文本图像识别装置，包括：

待识别文本图像获取模块，用于获取待识别文本图像；其中，所述待识别文本图像包括至少一种文本属性的文本信息；

位置-属性检测模块，用于基于位置-属性检测模型对所述待识别文本图像进行检测，得到文本位置信息和所述文本位置信息对应的文本属性；

结构化的文本内容确定模块，用于对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，基于所述文本内容和所述文本属性确定结构化的文本内容。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

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计算机程序，所述计算机程序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本发明任一实施例所述的文本图像识别方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的文本图像识别方法。

本发明实施例的技术方案，通过获取待识别文本图像；其中，待识别文本图像包括至少一种文本属性的文本信息；基于位置-属性检测模型对待识别文本图像进行检测，得到文本位置信息和文本位置信息对应的文本属性；对待识别文本图像中文本位置信息对应的文本区域进行识别，得到文本内容，基于文本内容和文本属性确定结构化的文本内容。将文本信息的文本位置检测和文本属性判别融合到同一模型中，简化处理流程，解决现有技术因此整体处理流程较多导致文本图像的效率较低的问题，提高文本图像的识别效率。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种文本图像识别方法的流程图；

图2是本发明实施例二提供的一种文本图像识别装置的结构示意图；

图3是本发明实施例三提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1是本发明实施例一提供的一种文本图像识别方法的流程图，本实施例可适用于对快递包裹面单、财务报销发票、电子表格数据等的文本图像进行文本识别的情况，该方法可以由文本图像识别装置来执行，该文本图像识别装置可以采用硬件和/或软件的形式实现，该文本图像识别装置可配置于用于识别文本图像的电子设备中。在一些实施例中，该文本图像识别装置可以部署于云端或者边缘设备中。

如图1所示，该方法包括：

S110、获取待识别文本图像；其中，所述待识别文本图像包括至少一种文本属性的文本信息。

其中，待识别文本图像是指包括至少一种文本属性文本信息的文本图像，具体的，待识别文本图像包括但不限于快递包裹面单、财务报销发票、电子表格数据等的文本图像，这里不做限定。文本属性是指待识别文本图像中文本信息的属性，示例性的，以快递包裹面单的文本图像为例，快递包裹面单包括快递单号、地址、电话、联系人等信息，因此，文本属性包括但不限于快递单号、地址、电话、联系人等属性信息，这里不做限定。

S120、基于位置-属性检测模型对所述待识别文本图像进行检测，得到文本位置信息和所述文本位置信息对应的文本属性。

本实施例中，将待识别文本图像输入至位置-属性检测模型进行检测，得到待识别文本图像中文本的文本位置信息和文本位置信息对应的文本属性；可以理解的是，文本位置信息对应的文本属性是文本位置的文本内容的文本属性。

在上述实施例的基础上，可选的，所述位置-属性检测模型包括文本位置检测分支和文本属性判别分支；所述位置-属性检测模型的训练方法，包括：获取样本文本图像；所述样本文本图像包括标注文本位置和标注文本属性；将所述标注的样本文本图像输入至预先构建的位置-属性检测模型，得到预测文本位置和预测文本属性；基于所述标注文本位置和所述预测文本位置构建文本位置损失；基于所述标注文本属性和所述预测文本属性构建文本属性损失；基于所述文本位置损失和所述文本属性损失对所述预先构建的位置-属性检测模型进行更新；其中，所述文本位置损失和所述文本属性损失的量级一致。

其中，样本文本图像是指已标注的文本图像，具体的，样本文本图像包括标注文本位置和标注文本属性。标注文本位置是指预先标注的样本文本图像中文本信息的位置，标注文本位置包括文本区域的中心点的坐标以及文本区域对应文本检测框的坐标参数和长宽比；示例性的，标注文本区域中心点的坐标，并沿文本信息的边沿确定文本检测框，标注文本检测框左上角的坐标和文本检测框的长宽比。标注文本属性是指预先标注的样本文本图像中文本信息的属性。

本实施例中，位置-属性检测模型包括主干网络、文本位置检测分支和文本属性判别分支，具体的，主干网络用于提取文本图像的深度特征，文本位置检测分支用于基于深度特征检测文本信息的位置，文本属性判别分支用于基于深度特征对文本信息进行属性判别。其中，主干网络包括但不限于RestNet34网络，这里不做限定。

位置-属性检测模型的训练步骤如下：

1)获取样本文本图像；

2)将标注的样本文本图像输入至预先构建的位置-属性检测模型，得到预测文本位置和预测文本属性；

3)基于标注文本位置和预测文本位置构建文本位置损失；以及基于标注文本属性和预测文本属性构建文本属性损失；

4)基于文本位置损失和文本属性损失对预先构建的位置-属性检测模型进行更新。

重复上述步骤1-4，直至位置-属性检测模型收敛。

位置-属性检测模型包括两个损失函数，文本位置损失函数和文本属性损失函数，分别对应位置-属性检测模型的两个分支。在训练位置-属性检测模型的过程中，需保证文本位置损失和文本属性损失的量级一致；可以理解的是，若两个损失量级不一致，则会影响模型的稳定性和准确性，因此，需保证两个分支的损失处于同一量级。

在上述实施例的基础上，可选的，所述基于所述文本位置损失和所述文本属性损失对所述预先构建的位置-属性检测模型进行更新之前，所述方法还包括：检测所述文本位置损失和所述文本属性损失的量级，在所述文本位置损失和所述文本属性损失的量级不一致的情况下，对本次训练得到的所述文本位置损失和所述文本属性损失进行调整，以使所述文本位置损失和所述文本属性损失达到量级一致。

本实施例中，在基于文本位置损失和文本属性损失对预先构建的位置-属性检测模型进行更新之前，检测文本位置损失和文本属性损失的量级，若文本位置损失和文本属性损失的量级不一致，则对本次训练得到的文本位置损失和文本属性损失进行调整，以使文本位置损失和文本属性损失的量级一致，具体的，可以对文本位置损失函数或者文本属性损失函数的权重进行调整，以使文本位置损失和文本属性损失的量级一致。

在一些实施例中，可选的，也可以对位置-属性检测模型的结构进行调整，以使得不同分支之间的信息流通更加均衡，从而使文本位置损失和文本属性损失的量级一致。在上述实施例的基础上，可选的，所述获取样本文本图像，包括：在训练所述位置-属性检测模型的过程中，在训练数据中随机添加负样本文本图像；所述负样本文本图像中所述标注文本位置的文本内容为空。

其中，负样本文本图像是指标注文本位置的文本内容为空的样本文本图像。本实施例中，在训练位置-属性检测模型的过程中，在训练数据中随机添加负样本文本图像，基于负样本文本图像对位置-文本检测模型进行训练。本实施例通过随机添加负样本文本图像，可以增加位置-属性检测模型的复杂性和多样性，使其更加能够识别出哪些是无关的噪声或者背景，从而减少误检的情况。此外，负样本文本图像还可以帮助位置-属性检测模型更好地学习到目标文本的上下文信息和特征，提高其对于不同场景和条件的适应性。

需要注意的是，在添加负样本文本图像时，应该控制正负样本的比例，以保证模型的训练效果和准确性。同时，还需要对负样本文本图像进行正确的标注，确保其标注文本位置的文本内容为空。

S130、对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，基于所述文本内容和所述文本属性确定结构化的文本内容。

本实施例中，对待识别文本图像中文本位置信息对应的文本区域进行识别，得到该文本区域的文本内容；进一步的，根据文本区域的文本内容和文本区域对应的文本属性形成结构化的文本内容。示例性的，假设待识别文本图像为快递包裹面单的文本图像，结构化的文本内容可以是快递单号：XXXXXXXX，地址：XX省XX市XX县XX街道，电话：1XXXXXXXXXX、联系人：王XX，等结构化数据。

在上述实施例的基础上，可选的，所述对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，包括：基于所述文本位置信息在所述待识别文本图像中确定目标文本区域，所述目标文本区域对应的文本属性与所述文本位置信息对应的文本属性相同；对所述目标文本区域进行识别，得到所述目标文本区域的文本内容。

本实施例中，在位置-属性检测模型检测出待识别文本图像中的文本信息的文本位置和文本属性之后，可以根据文本位置信息在待识别文本图像中裁剪出文本位置信息对应的目标文本区域，进而将目标文本区域输入至文本识别模型进行文本识别，得到目标文本区域的文本内容。其中，目标文本区域对应的文本属性与文本位置对应的文本属性相同。

在一些实施例中，可选的，所述获取待识别文本图像之后，所述方法还包括：对所述待识别文本图像进行倾斜检测，得到检测结果；基于所述检测结果判断所述待识别文本图像是否倾斜，若所述待识别文本图像倾斜，则对所述待识别文本图像进行矫正，得到目标待识别文本图像。

其中，目标待识别文本图像是指矫正后的待识别文本图像。本实施例中，对待识别文本图像进行倾斜检测，具体的，可以使用图像处理技术中的边缘检测、投影分析或结构模式识别等方法对待识别文本图像中的文本块和文本行进行检测，得到倾斜角度和倾斜方向；进一步的，基于检测结果判断待识别文本图像是否倾斜，若检测结果中的倾斜角度和倾斜方向表明图像存在倾斜，则对倾斜的待识别文本图像进行矫正，目标待识别文本图像。具体的，可以使用旋转、仿射变换等方法来对待识别文本图像进行几何变换，得到目标待识别文本图像。

需要注意的是，在倾斜检测和矫正过程中，需要考虑到图像的分辨率、噪声和光照等因素的影响，以获得更准确的结果。同时，在矫正过程中，需要注意保持文本的完整性和可读性。

本实施例的技术方案，通过获取待识别文本图像；其中，待识别文本图像包括至少一种文本属性的文本信息；基于位置-属性检测模型对待识别文本图像进行检测，得到文本位置信息和文本位置信息对应的文本属性；对待识别文本图像中文本位置信息对应的文本区域进行识别，得到文本内容，基于文本内容和文本属性确定结构化的文本内容。将文本信息的文本位置检测和文本属性判别融合到同一模型中，简化处理流程，解决现有技术因此整体处理流程较多导致文本图像的效率较低的问题，提高文本图像的识别效率。

实施例二

图2是本发明实施例二提供的一种文本图像识别装置的结构示意图。

如图2所示，该装置包括：

待识别文本图像获取模块210，用于获取待识别文本图像；其中，所述待识别文本图像包括至少一种文本属性的文本信息；

位置-属性检测模块220，用于基于位置-属性检测模型对所述待识别文本图像进行检测，得到文本位置信息和所述文本位置信息对应的文本属性；

结构化的文本内容确定模块230，用于对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，基于所述文本内容和所述文本属性确定结构化的文本内容。

本实施例的技术方案，通过获取待识别文本图像；其中，待识别文本图像包括至少一种文本属性的文本信息；基于位置-属性检测模型对待识别文本图像进行检测，得到文本位置信息和文本位置信息对应的文本属性；对待识别文本图像中文本位置信息对应的文本区域进行识别，得到文本内容，基于文本内容和文本属性确定结构化的文本内容。将文本信息的文本位置检测和文本属性判别融合到同一模型中，简化处理流程，解决现有技术因此整体处理流程较多导致文本图像的效率较低的问题，提高文本图像的识别效率。

在上述实施例的基础上，可选的，所述位置-属性检测模型包括文本位置检测分支和文本属性判别分支，所述装置包括位置-属性检测模型训练模块，用于获取样本文本图像；所述样本文本图像包括标注文本位置和标注文本属性；将所述标注的样本文本图像输入至预先构建的位置-属性检测模型，得到预测文本位置和预测文本属性；基于所述标注文本位置和所述预测文本位置构建文本位置损失；基于所述标注文本属性和所述预测文本属性构建文本属性损失；基于所述文本位置损失和所述文本属性损失对所述预先构建的位置-属性检测模型进行更新；其中，所述文本位置损失和所述文本属性损失的量级一致。

在上述实施例的基础上，可选的，位置-属性检测模型训练模块还包括样本文本图像获取单元，用于在训练所述位置-属性检测模型的过程中，在训练数据中随机添加负样本文本图像；所述负样本文本图像中所述标注文本位置的文本内容为空。

在上述实施例的基础上，可选的，位置-属性检测模型训练模块还包括损失量级检测单元，用于在基于所述文本位置损失和所述文本属性损失对所述预先构建的位置-属性检测模型进行更新之前，检测所述文本位置损失和所述文本属性损失的量级，在所述文本位置损失和所述文本属性损失的量级不一致的情况下，对本次训练得到的所述文本位置损失和所述文本属性损失进行调整，以使所述文本位置损失和所述文本属性损失达到量级一致。

在上述实施例的基础上，可选的，所述标注文本位置包括所包括文本区域的中心点的坐标以及所述文本区域对应文本检测框的坐标参数和长宽比。

在上述实施例的基础上，可选的，结构化的文本内容确定模块230包括文本内容识别单元，用于基于所述文本位置信息在所述待识别文本图像中确定目标文本区域，所述目标文本区域对应的文本属性与所述文本位置信息对应的文本属性相同；对所述目标文本区域进行识别，得到所述目标文本区域的文本内容。

在上述实施例的基础上，可选的，所述装置还包括图像倾斜检测模块，用于在获取待识别文本图像之后，对所述待识别文本图像进行倾斜检测，得到检测结果；基于所述检测结果判断所述待识别文本图像是否倾斜，若所述待识别文本图像倾斜，则对所述待识别文本图像进行矫正，得到目标待识别文本图像。

本发明实施例所提供的文本图像识别装置可执行本发明任意实施例所提供的文本图像识别方法，具备执行方法相应的功能模块和有益效果。

实施例三

图3是本发明实施例三提供的一种电子设备的结构示意图。电子设备10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(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如文本图像识别方法。

在一些实施例中，文本图像识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的文本图像识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文本图像识别方法。

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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。

用于实施本发明的文本图像识别方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。

实施例四

本发明实施例四还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行一种文本图像识别方法，该方法包括：

获取待识别文本图像；其中，所述待识别文本图像包括至少一种文本属性的文本信息；

基于位置-属性检测模型对所述待识别文本图像进行检测，得到文本位置信息和所述文本位置信息对应的文本属性；

对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，基于所述文本内容和所述文本属性确定结构化的文本内容。

在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种文本图像识别方法，其特征在于，包括：

获取待识别文本图像；其中，所述待识别文本图像包括至少一种文本属性的文本信息；

基于位置-属性检测模型对所述待识别文本图像进行检测，得到文本位置信息和所述文本位置信息对应的文本属性；

对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，基于所述文本内容和所述文本属性确定结构化的文本内容。

2.根据权利要求1所述的方法，其特征在于，所述位置-属性检测模型包括文本位置检测分支和文本属性判别分支；所述位置-属性检测模型的训练方法，包括：

获取样本文本图像；所述样本文本图像包括标注文本位置和标注文本属性；

将所述标注的样本文本图像输入至预先构建的位置-属性检测模型，得到预测文本位置和预测文本属性；

基于所述标注文本位置和所述预测文本位置构建文本位置损失；

基于所述标注文本属性和所述预测文本属性构建文本属性损失；

基于所述文本位置损失和所述文本属性损失对所述预先构建的位置-属性检测模型进行更新；

其中，所述文本位置损失和所述文本属性损失的量级一致。

3.根据权利要求2所述的方法，其特征在于，所述获取样本文本图像，包括：

在训练所述位置-属性检测模型的过程中，在训练数据中随机添加负样本文本图像；所述负样本文本图像中所述标注文本位置的文本内容为空。

4.根据权利要求2所述的方法，其特征在于，所述基于所述文本位置损失和所述文本属性损失对所述预先构建的位置-属性检测模型进行更新之前，所述方法还包括：

检测所述文本位置损失和所述文本属性损失的量级，在所述文本位置损失和所述文本属性损失的量级不一致的情况下，对本次训练得到的所述文本位置损失和所述文本属性损失进行调整，以使所述文本位置损失和所述文本属性损失达到量级一致。

5.根据权利要求2所述的方法，其特征在于，所述标注文本位置包括所包括文本区域的中心点的坐标以及所述文本区域对应文本检测框的坐标参数和长宽比。

6.根据权利要求1所述的方法，其特征在于，所述对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，包括：

基于所述文本位置信息在所述待识别文本图像中确定目标文本区域，所述目标文本区域对应的文本属性与所述文本位置信息对应的文本属性相同；

对所述目标文本区域进行识别，得到所述目标文本区域的文本内容。

7.根据权利要求1所述的方法，其特征在于，所述获取待识别文本图像之后，所述方法还包括：

对所述待识别文本图像进行倾斜检测，得到检测结果；

基于所述检测结果判断所述待识别文本图像是否倾斜，若所述待识别文本图像倾斜，则对所述待识别文本图像进行矫正，得到目标待识别文本图像。

8.一种文本图像识别装置，其特征在于，包括：

待识别文本图像获取模块，用于获取待识别文本图像；其中，所述待识别文本图像包括至少一种文本属性的文本信息；

位置-属性检测模块，用于基于位置-属性检测模型对所述待识别文本图像进行检测，得到文本位置信息和所述文本位置信息对应的文本属性；

结构化的文本内容确定模块，用于对所述待识别文本图像中所述文本位置信息对应的文本区域进行识别，得到文本内容，基于所述文本内容和所述文本属性确定结构化的文本内容。

9.一种电子设备，其特征在于，所述电子设备包括：

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计算机程序，所述计算机程序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中任一项所述的文本识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的文本识别方法。