JP2022504404A - テキストシーケンス認識方法及びその装置、電子機器並びに記憶媒体 - Google Patents
テキストシーケンス認識方法及びその装置、電子機器並びに記憶媒体 Download PDFInfo
- Publication number
- JP2022504404A JP2022504404A JP2021518910A JP2021518910A JP2022504404A JP 2022504404 A JP2022504404 A JP 2022504404A JP 2021518910 A JP2021518910 A JP 2021518910A JP 2021518910 A JP2021518910 A JP 2021518910A JP 2022504404 A JP2022504404 A JP 2022504404A
- Authority
- JP
- Japan
- Prior art keywords
- text
- text sequence
- binary tree
- sequence
- feature
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000012545 processing Methods 0.000 claims abstract description 92
- 230000008569 process Effects 0.000 claims description 48
- 238000000605 extraction Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 25
- 230000011218 segmentation Effects 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 23
- 239000000284 extract Substances 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 24
- 230000001788 irregular Effects 0.000 description 22
- 230000007246 mechanism Effects 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 19
- 230000000306 recurrent effect Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/2163—Partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
- Image Analysis (AREA)
Abstract
Description
本願は、2019年09月27日に中国特許局に提出された、出願番号が201910927338.4であり、出願名称が「テキストシーケンス認識方法及びその装置、電子機器並びに記憶媒体」である中国特許出願に基づく優先権を主張し、該中国特許出願の全内容が参照として本願に組み込まれる。
テキストシーケンスを含む処理されるべき画像を取得することと、
認識ネットワークに基づいて、前記処理されるべき画像におけるテキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得、前記複数の単一文字に対して文字並行処理を行い、認識結果を得ることと、を含む。
前記認識ネットワークに設定された二分木に基づいて、前記処理されるべき画像における、前記テキストシーケンスを構成する前記複数の単一文字を認識することを含む。
前記二分木に基づいて、前記処理されるべき画像におけるテキストシーケンスに対して符号化処理を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることと、
前記二分木に基づいて、前記二分木ノード特徴に対してデコード処理を行い、前記テキストセグメントを構成する前記複数の単一文字を認識することと、を含む。
前記認識ネットワークにより、前記処理されるべき画像におけるテキストシーケンスの画像特徴を抽出し、特徴マップを得、前記特徴マップに基づいて、前記テキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得ることを更に含む。
前記処理されるべき画像におけるテキストシーケンスを特徴抽出モジュールに入力することと、
前記特徴抽出モジュールにより特徴抽出を行い、前記特徴マップを得ることと、を含む。
前記特徴マップを、シーケンス分割アテンションルールに基づくシーケンス分割アテンションモジュールに入力することと、
前記シーケンス分割アテンションモジュールに含まれる前記二分木に基づいて、前記特徴マップに対してマルチチャネル選択を行い、複数のターゲットチャネル群を得ることと、
前記複数のターゲットチャネル群に基づいてテキスト分割を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることと、を含む。
前記特徴マップに対して、前記シーケンス分割アテンションルールに基づいて処理を行い、アテンション特徴行列を得た後、前記二分木に基づいて、前記アテンション特徴行列に対してマルチチャネル選択を行うことを含む。
前記複数のターゲットチャネル群に基づいてテキスト分割を行い、複数のアテンション特徴マップを得ることと、
前記特徴マップに対して畳み込み処理を行い、畳み込み処理結果を得ることと、
前記複数のアテンション特徴マップと前記畳み込み処理結果に対して重み付けを行い、重み付け結果に基づいて、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることと、を含む。
前記二分木及び前記二分木ノード特徴を分類モジュールに入力してノード分類を行い、分類結果を得ることと、
前記分類結果に基づいて、前記テキストセグメントを構成する前記複数の単一文字を認識することと、を含む。
前記分類結果が、単一文字に対応する特徴である場合、前記単一文字に対応する特徴のテキストセマンティックを判定し、前記単一文字特徴に対応するセマンティックカテゴリを認識することを含む。
テキストシーケンスを含む処理されるべき画像を取得するように構成される取得ユニットと、
認識ネットワークに基づいて、前記処理されるべき画像におけるテキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得、前記複数の単一文字に対して文字並行処理を行い、認識結果を得るように構成される認識ユニットと、を備える。
前記認識ネットワークに設定された二分木に基づいて、前記処理されるべき画像における、前記テキストシーケンスを構成する前記複数の単一文字を認識するように構成される。
前記二分木に基づいて、前記処理されるべき画像におけるテキストシーケンスに対して符号化処理を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得、
前記二分木に基づいて、前記二分木ノード特徴に対してデコード処理を行い、前記テキストセグメントを構成する前記複数の単一文字を認識するように構成される。
前記認識ネットワークにより、前記処理されるべき画像におけるテキストシーケンスの画像特徴を抽出し、特徴マップを得、前記特徴マップに基づいて、前記テキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得るように構成される。
前記処理されるべき画像におけるテキストシーケンスを特徴抽出モジュールに入力し、
前記特徴抽出モジュールにより特徴抽出を行い、前記特徴マップを得るように構成される。
前記特徴マップを、シーケンス分割アテンションルールに基づくシーケンス分割アテンションモジュールに入力し、
前記シーケンス分割アテンションモジュールに含まれる前記二分木に基づいて、前記特徴マップに対してマルチチャネル選択を行い、複数のターゲットチャネル群を得、
前記複数のターゲットチャネル群に基づいてテキスト分割を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得るように構成される。
前記特徴マップに対して、前記シーケンス分割アテンションルールに基づいて処理を行い、アテンション特徴行列を得た後、前記二分木に基づいて、前記アテンション特徴行列に対してマルチチャネル選択を行うように構成される。
前記複数のターゲットチャネル群に基づいてテキスト分割を行い、複数のアテンション特徴マップを得、
前記特徴マップに対して畳み込み処理を行い、畳み込み処理結果を得、
前記複数のアテンション特徴マップと前記畳み込み処理結果に対して重み付けを行い、重み付け結果に基づいて、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得るように構成される。
前記二分木及び前記二分木ノード特徴を分類モジュールに入力してノード分類を行い、分類結果を得、
前記分類結果に基づいて、前記テキストセグメントを構成する前記複数の単一文字を認識するように構成される。
前記分類結果が、単一文字に対応する特徴である場合、前記単一文字に対応する特徴のテキストセマンティックを判定し、前記単一文字特徴に対応するセマンティックカテゴリを認識するように構成される。
プロセッサと、
プロセッサによる実行可能な命令を記憶するように構成されるメモリと、を備え、
前記プロセッサは、上記テキストシーケンス認識方法を実行するように構成される。
は、チャネル毎の乗算演算子であり、Ptは、二分木に基づいてテキストシーケンスを対応するテキストセグメントに分割する符号化過程におけるt番目の二分木ノード特徴であり、つまり、対応するテキストセグメントの文字位置コードである。ここで、tは、二分木のノード番号である。例えば、図4a-図4dに示すノード番号0-ノード番番号6である。maxpoolは、チャネル方向に沿った最大プーリング演算子であり、dは、マルチチャネル選択の後に選択された異なるアテンション特徴マップである。式(3)において、Xは、入力された画像を特徴抽出モジュールにより処理することで得られた特徴マップであり、Wf1及びWf2はそれぞれ畳み込み演算の畳み込みカーネルであり、H及びWはそれぞれアテンション特徴マップdの高さ情報及び幅情報であり、dは、マルチチャネル選択の後に選択された異なるアテンション特徴マップであり、eは、異なるアテンション特徴マップdと畳み込み特徴マップ(bモジュールの出力)を重み付けすることで得られた特徴ベクトルである。式(2)-式(3)におけるiは、いずれも、二分木に基づいて幅優先トラバースを行う場合に用いられるトラバースパラメータである。d及びeはいずれも汎用表現であり、dは、diであってもよく、diは具体的には、二分木ノードのi位置までトラバースした特徴マップを表す。eは、eiであってもよく、eiは具体的には、diに基づいて得られた特徴ベクトルを表す。
前記特徴マップを、前記二分木を含むシーケンス分割アテンションモジュールに入力することであって、前記シーケンス分割アテンションモジュールは、前記認識ネットワークの文字位置判別モジュールである、ことと、前記二分木に基づいて、前記特徴マップに対してマルチチャネル(例えば各チャネル)選択を行い、複数のターゲットチャネル群を得ることと、前記複数のターゲットチャネル群に基づいてテキスト分割の符号化を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることと、を含む。
Claims (23)
- テキストシーケンス認識方法であって、
テキストシーケンスを含む処理されるべき画像を取得することと、
認識ネットワークに基づいて、前記処理されるべき画像におけるテキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得、前記複数の単一文字に対して文字並行処理を行い、認識結果を得ることと、を含む、テキストシーケンス認識方法。 - 前記認識ネットワークに基づいて、前記処理されるべき画像におけるテキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得ることは、
前記認識ネットワークに設定された二分木に基づいて、前記処理されるべき画像における、前記テキストシーケンスを構成する前記複数の単一文字を認識することを含むことを特徴とする
請求項1に記載のテキストシーケンス認識方法。 - 前記認識ネットワークに設定された二分木に基づいて、前記処理されるべき画像における、前記テキストシーケンスを構成する前記複数の単一文字を認識することは、
前記二分木に基づいて、前記処理されるべき画像におけるテキストシーケンスに対して符号化処理を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることと、
前記二分木に基づいて、前記二分木ノード特徴に対してデコード処理を行い、前記テキストセグメントを構成する前記複数の単一文字を認識することと、を含むことを特徴とする
請求項2に記載のテキストシーケンス認識方法。 - 前記テキストシーケンスを含む処理されるべき画像を取得した後、
前記認識ネットワークにより、前記処理されるべき画像におけるテキストシーケンスの画像特徴を抽出し、特徴マップを得、前記特徴マップに基づいて、前記テキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得ることを更に含むことを特徴とする
請求項1~3のうちいずれか一項に記載のテキストシーケンス認識方法。 - 前記認識ネットワークにより、前記処理されるべき画像におけるテキストシーケンスの画像特徴を抽出し、特徴マップを得ることは、
前記処理されるべき画像におけるテキストシーケンスを特徴抽出モジュールに入力することと、
前記特徴抽出モジュールにより特徴抽出を行い、前記特徴マップを得ることと、を含むことを特徴とする
請求項4に記載のテキストシーケンス認識方法。 - 前記二分木に基づいて、前記処理されるべき画像におけるテキストシーケンスに対して符号化処理を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることは、
前記特徴マップを、シーケンス分割アテンションルールに基づくシーケンス分割アテンションモジュールに入力することと、
前記シーケンス分割アテンションモジュールに含まれる前記二分木に基づいて、前記特徴マップに対してマルチチャネル選択を行い、複数のターゲットチャネル群を得ることと、
前記複数のターゲットチャネル群に基づいてテキスト分割を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることと、を含むことを特徴とする
請求項4又は5に記載のテキストシーケンス認識方法。 - 前記シーケンス分割アテンションモジュールに含まれる前記二分木に基づいて、前記特徴マップに対してマルチチャネル選択を行うことは、
前記特徴マップに対して、前記シーケンス分割アテンションルールに基づいて処理を行い、アテンション特徴行列を得た後、前記二分木に基づいて、前記アテンション特徴行列に対してマルチチャネル選択を行うことを含むことを特徴とする
請求項6に記載のテキストシーケンス認識方法。 - 前記複数のターゲットチャネル群に基づいてテキスト分割を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることは、
前記複数のターゲットチャネル群に基づいてテキスト分割を行い、複数のアテンション特徴マップを得ることと、
前記特徴マップに対して畳み込み処理を行い、畳み込み処理結果を得ることと、
前記複数のアテンション特徴マップと前記畳み込み処理結果に対して重み付けを行い、重み付け結果に基づいて、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得ることと、を含むことを特徴とする
請求項6又は7に記載のテキストシーケンス認識方法。 - 前記二分木に基づいて、前記二分木ノード特徴に対してデコード処理を行い、前記テキストセグメントを構成する前記複数の単一文字を認識することは、
前記二分木及び前記二分木ノード特徴を分類モジュールに入力してノード分類を行い、分類結果を得ることと、
前記分類結果に基づいて、前記テキストセグメントを構成する前記複数の単一文字を認識することと、を含むことを特徴とする
請求項4~8のうちいずれか一項に記載のテキストシーケンス認識方法。 - 前記分類結果に基づいて、前記テキストセグメントを構成する前記複数の単一文字を認識することは、
前記分類結果が、単一文字に対応する特徴である場合、前記単一文字に対応する特徴のテキストセマンティックを判定し、前記単一文字特徴に対応するセマンティックカテゴリを認識することを含むことを特徴とする
請求項9に記載のテキストシーケンス認識方法。 - テキストシーケンス認識装置であって、
テキストシーケンスを含む処理されるべき画像を取得するように構成される取得ユニットと、
認識ネットワークに基づいて、前記処理されるべき画像におけるテキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得、前記複数の単一文字に対して文字並行処理を行い、認識結果を得るように構成される認識ユニットと、を備える、テキストシーケンス認識装置。 - 前記認識ユニットは、
前記認識ネットワークに設定された二分木に基づいて、前記処理されるべき画像における、前記テキストシーケンスを構成する前記複数の単一文字を認識するように構成されることを特徴とする
請求項11に記載のテキストシーケンス認識装置。 - 前記認識ユニットは、
前記二分木に基づいて、前記処理されるべき画像におけるテキストシーケンスに対して符号化処理を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得、
前記二分木に基づいて、前記二分木ノード特徴に対してデコード処理を行い、前記テキストセグメントを構成する前記複数の単一文字を認識するように構成されることを特徴とする
請求項12に記載のテキストシーケンス認識装置。 - 前記認識ユニットは、
前記認識ネットワークにより、前記処理されるべき画像におけるテキストシーケンスの画像特徴を抽出し、特徴マップを得、前記特徴マップに基づいて、前記テキストシーケンスを認識し、前記テキストシーケンスを構成する複数の単一文字を得るように構成されることを特徴とする
請求項11~13のうちいずれか一項に記載のテキストシーケンス認識装置。 - 前記認識ユニットは、
前記処理されるべき画像におけるテキストシーケンスを特徴抽出モジュールに入力し、
前記特徴抽出モジュールにより特徴抽出を行い、前記特徴マップを得るように構成されることを特徴とする
請求項14に記載のテキストシーケンス認識装置。 - 前記認識ユニットは、
前記特徴マップを、シーケンス分割アテンションルールに基づくシーケンス分割アテンションモジュールに入力し、
前記シーケンス分割アテンションモジュールに含まれる前記二分木に基づいて、前記特徴マップに対してマルチチャネル選択を行い、複数のターゲットチャネル群を得、
前記複数のターゲットチャネル群に基づいてテキスト分割を行い、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得るように構成されることを特徴とする
請求項14又は15に記載のテキストシーケンス認識装置。 - 前記認識ユニットは、
前記特徴マップに対して、前記シーケンス分割アテンションルールに基づいて処理を行い、アテンション特徴行列を得た後、前記二分木に基づいて、前記アテンション特徴行列に対してマルチチャネル選択を行うように構成されることを特徴とする
請求項16に記載のテキストシーケンス認識装置。 - 前記認識ユニットは、
前記複数のターゲットチャネル群に基づいてテキスト分割を行い、複数のアテンション特徴マップを得、
前記特徴マップに対して畳み込み処理を行い、畳み込み処理結果を得、
前記複数のアテンション特徴マップと前記畳み込み処理結果に対して重み付けを行い、重み付け結果に基づいて、テキストシーケンスにおける対応するテキストセグメントの二分木ノード特徴を得るように構成されることを特徴とする
請求項16又は17に記載のテキストシーケンス認識装置。 - 前記認識ユニットは、
前記二分木及び前記二分木ノード特徴を分類モジュールに入力してノード分類を行い、分類結果を得、
前記分類結果に基づいて、前記テキストセグメントを構成する前記複数の単一文字を認識するように構成されることを特徴とする
請求項14~18のうちいずれか一項に記載のテキストシーケンス認識装置。 - 前記認識ユニットは、
前記分類結果が、単一文字に対応する特徴である場合、前記単一文字に対応する特徴のテキストセマンティックを判定し、前記単一文字特徴に対応するセマンティックカテゴリを認識するように構成されることを特徴とする
請求項19に記載のテキストシーケンス認識装置。 - 電子機器であって、
プロセッサと、
プロセッサによる実行可能な命令を記憶するように構成されるメモリと、を備え、
前記プロセッサは、請求項1から10のうちいずれか一項に記載の方法を実行するように構成される、電子機器。 - コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体には、コンピュータプログラム命令が記憶されており、前記コンピュータプログラム命令がプロセッサにより実行されるときに、プロセッサに請求項1から10のうちいずれか一項に記載の方法を実現させる、コンピュータ可読記憶媒体。
- コンピュータプログラムであって、前記コンピュータプログラムは、コンピュータ可読コードを含み、前記コンピュータ可読コードが電子機器で実行されるときに、前記電子機器におけるプロセッサに、請求項1から10のうちいずれか一項に記載の方法を実行させる、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910927338.4A CN110659640B (zh) | 2019-09-27 | 2019-09-27 | 文本序列的识别方法及装置、电子设备和存储介质 |
CN201910927338.4 | 2019-09-27 | ||
PCT/CN2019/111170 WO2021056621A1 (zh) | 2019-09-27 | 2019-10-15 | 文本序列的识别方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022504404A true JP2022504404A (ja) | 2022-01-13 |
JP7123255B2 JP7123255B2 (ja) | 2022-08-22 |
Family
ID=69039586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021518910A Active JP7123255B2 (ja) | 2019-09-27 | 2019-10-15 | テキストシーケンス認識方法及びその装置、電子機器並びに記憶媒体 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210232847A1 (ja) |
JP (1) | JP7123255B2 (ja) |
KR (1) | KR20210054563A (ja) |
CN (1) | CN110659640B (ja) |
SG (1) | SG11202105174XA (ja) |
TW (1) | TWI732338B (ja) |
WO (1) | WO2021056621A1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11494616B2 (en) * | 2019-05-09 | 2022-11-08 | Shenzhen Malong Technologies Co., Ltd. | Decoupling category-wise independence and relevance with self-attention for multi-label image classification |
US11763433B2 (en) * | 2019-11-14 | 2023-09-19 | Samsung Electronics Co., Ltd. | Depth image generation method and device |
CN111539410B (zh) * | 2020-04-16 | 2022-09-06 | 深圳市商汤科技有限公司 | 字符识别方法及装置、电子设备和存储介质 |
CN111626293A (zh) * | 2020-05-21 | 2020-09-04 | 咪咕文化科技有限公司 | 图像文本识别方法、装置、电子设备及存储介质 |
CN111814796A (zh) * | 2020-06-29 | 2020-10-23 | 北京市商汤科技开发有限公司 | 字符序列识别方法及装置、电子设备和存储介质 |
CN111860506B (zh) * | 2020-07-24 | 2024-03-29 | 北京百度网讯科技有限公司 | 识别文字的方法和装置 |
CN112132150B (zh) * | 2020-09-15 | 2024-05-28 | 上海高德威智能交通系统有限公司 | 文本串识别方法、装置及电子设备 |
CN112560862B (zh) | 2020-12-17 | 2024-02-13 | 北京百度网讯科技有限公司 | 文本识别方法、装置及电子设备 |
CN112837204A (zh) * | 2021-02-26 | 2021-05-25 | 北京小米移动软件有限公司 | 序列处理方法、序列处理装置及存储介质 |
CN113313127B (zh) * | 2021-05-18 | 2023-02-14 | 华南理工大学 | 文本图像识别方法、装置、计算机设备和存储介质 |
CN113343981A (zh) * | 2021-06-16 | 2021-09-03 | 北京百度网讯科技有限公司 | 一种视觉特征增强的字符识别方法、装置和设备 |
CN113504891B (zh) * | 2021-07-16 | 2022-09-02 | 爱驰汽车有限公司 | 一种音量调节方法、装置、设备以及存储介质 |
CN113569839B (zh) * | 2021-08-31 | 2024-02-09 | 重庆紫光华山智安科技有限公司 | 证件识别方法、系统、设备及介质 |
CN113723094B (zh) * | 2021-09-03 | 2022-12-27 | 北京有竹居网络技术有限公司 | 文本处理方法、模型训练方法、设备及存储介质 |
CN114207673A (zh) * | 2021-12-20 | 2022-03-18 | 商汤国际私人有限公司 | 序列识别方法及装置、电子设备和存储介质 |
AU2021290429A1 (en) * | 2021-12-20 | 2022-02-10 | Sensetime International Pte. Ltd. | Sequence recognition method and apparatus, electronic device, and storage medium |
CN115497106B (zh) * | 2022-11-14 | 2023-01-24 | 合肥中科类脑智能技术有限公司 | 基于数据增强和多任务模型的电池激光喷码识别方法 |
CN115546810B (zh) * | 2022-11-29 | 2023-04-11 | 支付宝(杭州)信息技术有限公司 | 图像元素类别的识别方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08147417A (ja) * | 1994-11-22 | 1996-06-07 | Oki Electric Ind Co Ltd | 単語照合装置 |
US20020136462A1 (en) * | 2001-01-24 | 2002-09-26 | Advanced Digital Systems, Inc. | System, device, computer program product, and method for representing a plurality of electronic ink data points |
CN109615006A (zh) * | 2018-12-10 | 2019-04-12 | 北京市商汤科技开发有限公司 | 文字识别方法及装置、电子设备和存储介质 |
JP2019160285A (ja) * | 2018-10-30 | 2019-09-19 | 株式会社三井E&Sマシナリー | 読取システム及び読取方法 |
WO2019174405A1 (zh) * | 2018-03-14 | 2019-09-19 | 台达电子工业股份有限公司 | 车牌辨识方法以及其系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5748807A (en) * | 1992-10-09 | 1998-05-05 | Panasonic Technologies, Inc. | Method and means for enhancing optical character recognition of printed documents |
US8549399B2 (en) * | 2011-01-18 | 2013-10-01 | Apple Inc. | Identifying a selection of content in a structured document |
CN102509112A (zh) * | 2011-11-02 | 2012-06-20 | 珠海逸迩科技有限公司 | 车牌识别方法及其识别系统 |
AU2014230809B2 (en) * | 2013-03-14 | 2019-05-02 | Ventana Medical Systems, Inc. | Whole slide image registration and cross-image annotation devices, systems and methods |
US10354168B2 (en) * | 2016-04-11 | 2019-07-16 | A2Ia S.A.S. | Systems and methods for recognizing characters in digitized documents |
US10032072B1 (en) * | 2016-06-21 | 2018-07-24 | A9.Com, Inc. | Text recognition and localization with deep learning |
CN107527059B (zh) * | 2017-08-07 | 2021-12-21 | 北京小米移动软件有限公司 | 文字识别方法、装置及终端 |
CN108108746B (zh) * | 2017-09-13 | 2021-04-09 | 湖南理工学院 | 基于Caffe深度学习框架的车牌字符识别方法 |
CN109871843B (zh) * | 2017-12-01 | 2022-04-08 | 北京搜狗科技发展有限公司 | 字符识别方法和装置、用于字符识别的装置 |
US10262235B1 (en) * | 2018-02-26 | 2019-04-16 | Capital One Services, Llc | Dual stage neural network pipeline systems and methods |
CN110135427B (zh) * | 2019-04-11 | 2021-07-27 | 北京百度网讯科技有限公司 | 用于识别图像中的字符的方法、装置、设备和介质 |
TWM583989U (zh) * | 2019-04-17 | 2019-09-21 | 洽吧智能股份有限公司 | 序號檢測系統 |
CN110163206B (zh) * | 2019-05-04 | 2023-03-24 | 苏州科技大学 | 车牌识别方法、系统、存储介质和装置 |
CN110245557B (zh) * | 2019-05-07 | 2023-12-22 | 平安科技(深圳)有限公司 | 图片处理方法、装置、计算机设备及存储介质 |
CN110097019B (zh) * | 2019-05-10 | 2023-01-10 | 腾讯科技(深圳)有限公司 | 字符识别方法、装置、计算机设备以及存储介质 |
-
2019
- 2019-09-27 CN CN201910927338.4A patent/CN110659640B/zh active Active
- 2019-10-15 KR KR1020217010064A patent/KR20210054563A/ko active Search and Examination
- 2019-10-15 SG SG11202105174XA patent/SG11202105174XA/en unknown
- 2019-10-15 JP JP2021518910A patent/JP7123255B2/ja active Active
- 2019-10-15 WO PCT/CN2019/111170 patent/WO2021056621A1/zh active Application Filing
- 2019-11-13 TW TW108141128A patent/TWI732338B/zh active
-
2021
- 2021-04-16 US US17/232,278 patent/US20210232847A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08147417A (ja) * | 1994-11-22 | 1996-06-07 | Oki Electric Ind Co Ltd | 単語照合装置 |
US20020136462A1 (en) * | 2001-01-24 | 2002-09-26 | Advanced Digital Systems, Inc. | System, device, computer program product, and method for representing a plurality of electronic ink data points |
WO2019174405A1 (zh) * | 2018-03-14 | 2019-09-19 | 台达电子工业股份有限公司 | 车牌辨识方法以及其系统 |
JP2019160285A (ja) * | 2018-10-30 | 2019-09-19 | 株式会社三井E&Sマシナリー | 読取システム及び読取方法 |
CN109615006A (zh) * | 2018-12-10 | 2019-04-12 | 北京市商汤科技开发有限公司 | 文字识别方法及装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
HONGCHAO GAO ET AL.: "Ensemble Attention For Text Recognition In Natural Images", 2019 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), JPN6022018483, 19 July 2019 (2019-07-19), pages 1 - 8, XP033621847, ISSN: 0004774649, DOI: 10.1109/IJCNN.2019.8852010 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021056621A1 (zh) | 2021-04-01 |
JP7123255B2 (ja) | 2022-08-22 |
TW202113660A (zh) | 2021-04-01 |
SG11202105174XA (en) | 2021-06-29 |
CN110659640B (zh) | 2021-11-30 |
KR20210054563A (ko) | 2021-05-13 |
CN110659640A (zh) | 2020-01-07 |
US20210232847A1 (en) | 2021-07-29 |
TWI732338B (zh) | 2021-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022504404A (ja) | テキストシーケンス認識方法及びその装置、電子機器並びに記憶媒体 | |
JP6926339B2 (ja) | 画像のクラスタリング方法及び装置、電子機器並びに記憶媒体 | |
JP7041284B2 (ja) | 画像処理方法、画像処理装置、電子機器、記憶媒体及びコンピュータプログラム | |
CN110378976B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
JP2021528742A (ja) | 画像処理方法及び装置、電子機器、並びに記憶媒体 | |
JP7066007B2 (ja) | テキスト認識 | |
JP2022516518A (ja) | ニューラルネットワークをトレーニングする方法及び装置、画像を処理する方法及び装置 | |
CN111612070B (zh) | 基于场景图的图像描述生成方法及装置 | |
WO2021012564A1 (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN111242303B (zh) | 网络训练方法及装置、图像处理方法及装置 | |
JP2022522551A (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN110659690B (zh) | 神经网络的构建方法及装置、电子设备和存储介质 | |
JP2022520120A (ja) | 顔画像認識方法及び装置、電気機器並びに記憶媒体 | |
WO2020173115A1 (zh) | 网络模块和分配方法及装置、电子设备和存储介质 | |
JP7394147B2 (ja) | 画像生成方法及び装置、電子機器並びに記憶媒体 | |
CN110909861B (zh) | 神经网络优化方法及装置、电子设备和存储介质 | |
CN110942143A (zh) | 基于卷积神经网络的玩具检测加速方法和装置 | |
KR20220116015A (ko) | 네트워크 트레이닝 방법 및 장치, 이미지 생성 방법 및 장치 | |
JP2022515274A (ja) | 検出器の配置方法、検出器の配置装置及び非一時的コンピュータ可読記憶媒体 | |
JP2022524254A (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
CN114446318A (zh) | 音频数据分离方法、装置、电子设备及存储介质 | |
CN114842404A (zh) | 时序动作提名的生成方法及装置、电子设备和存储介质 | |
CN113919292A (zh) | 一种用于公式识别的模型训练方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210406 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210406 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220425 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220712 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220802 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220809 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7123255 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |