JP7153088B2 - テキスト認識方法及びテキスト認識装置、電子機器、記憶媒体並びにコンピュータプログラム - Google Patents
テキスト認識方法及びテキスト認識装置、電子機器、記憶媒体並びにコンピュータプログラム Download PDFInfo
- Publication number
- JP7153088B2 JP7153088B2 JP2020561646A JP2020561646A JP7153088B2 JP 7153088 B2 JP7153088 B2 JP 7153088B2 JP 2020561646 A JP2020561646 A JP 2020561646A JP 2020561646 A JP2020561646 A JP 2020561646A JP 7153088 B2 JP7153088 B2 JP 7153088B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- semantic vector
- text
- target
- neural network
- 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
Images
Classifications
-
- 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
-
- 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
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- 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
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Description
本出願は、2019年3月29日に提出された、出願番号が201910251661.4であり、発明名称が「テキスト認識方法及び装置、電子機器並びに記憶媒体」である中国特許出願の優先権を主張する。
例えば、本願は以下の項目を提供する。
(項目1)
テキスト認識方法であって、
検出対象画像に対して特徴抽出処理を行い、複数のセマンティックベクトルを得ることであって、前記複数のセマンティックベクトルが、前記検出対象画像におけるテキストシーケンスの複数の文字にそれぞれ対応することと、
畳み込みニューラルネットワークにより、前記複数のセマンティックベクトルに対して順に認識処理を行い、前記テキストシーケンスの認識結果を得ることと、を含む、前記方法。
(項目2)
畳み込みニューラルネットワークにより、前記複数のセマンティックベクトルに対して順に認識処理を行い、前記テキストシーケンスの認識結果を得ることは、
前記畳み込みニューラルネットワークにより、ターゲットセマンティックベクトルの先験的情報に対して処理を行い、前記ターゲットセマンティックベクトルの重みパラメータを得ることであって、前記ターゲットセマンティックベクトルが、前記複数のセマンティックベクトルのうちの1つであることと、
前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定することとを含むことを特徴とする
項目1に記載の方法。
(項目3)
前記先験的情報は、前記ターゲットセマンティックベクトルの直前のセマンティックベクトルに対応するテキスト認識結果及び/又は開始記号を含むことを特徴とする
項目2に記載の方法。
(項目4)
畳み込みニューラルネットワークにより、ターゲットセマンティックベクトルの先験的情報に対して処理を行い、前記ターゲットセマンティックベクトルの重みパラメータを得ることは、
前記畳み込みニューラルネットワークにおける少なくとも1つの第1畳み込み層により、前記ターゲットセマンティックベクトルに対して符号化処理を行い、前記ターゲットセマンティックベクトルの第1ベクトルを得ることと、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行い、前記先験的情報に対応する第2ベクトルを得ることと、
前記第1ベクトル及び前記第2ベクトルに基づいて、前記重みパラメータを決定することと、を含むことを特徴とする
項目2又は3に記載の方法。
(項目5)
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行い、前記先験的情報に対応する第2ベクトルを得ることは、
前記先験的情報に前記ターゲットセマンティックベクトルの直前のセマンティックベクトルに対応するテキスト認識結果が含まれることに応答して、前記直前のセマンティックベクトルに対応するテキスト認識結果に対して単語埋め込み処理を行い、前記先験的情報に対応する特徴ベクトルを得ることと、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記特徴ベクトルに対して符号化処理を行い、前記第2ベクトルを得ることとを含むことを特徴とする
項目4に記載の方法。
(項目6)
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行い、前記先験的情報に対応する第2ベクトルを得ることは、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記先験的情報における開始記号に対応する開始ベクトルに対して符号化処理を行い、前記第2ベクトルを得ることを含むことを特徴とする
項目4又は5に記載の方法。
(項目7)
前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定することは、
前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応する注意分配ベクトルを得ることと、
前記畳み込みニューラルネットワークにおける少なくとも1つの逆畳み込み層により、前記注意分配ベクトルを復号処理し、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定することと、を含むことを特徴とする
項目2から6のいずれか一項に記載の方法。
(項目8)
前記検出対象画像に対して特徴抽出処理を行い、複数のセマンティックベクトルを得ることは、
前記検出対象画像に対して特徴抽出を行い、特徴情報を得ることと、
前記特徴情報に対してダウンサンプリング処理を行い、前記複数のセマンティックベクトルを得ることと、を含むことを特徴とする
項目1から7のいずれか一項に記載の方法。
(項目9)
テキスト認識装置であって、
検出対象画像に対して特徴抽出処理を行い、複数のセマンティックベクトルを得るように構成される抽出モジュールであって、前記複数のセマンティックベクトルが、前記検出対象画像におけるテキストシーケンスの複数の文字にそれぞれ対応する抽出モジュールと、
畳み込みニューラルネットワークにより、前記複数のセマンティックベクトルに対して順に認識処理を行い、前記テキストシーケンスの認識結果を得るように構成される認識モジュールと、を備える、テキスト認識装置。
(項目10)
前記認識モジュールは、
前記畳み込みニューラルネットワークにより、ターゲットセマンティックベクトルの先験的情報に対して処理を行い、前記ターゲットセマンティックベクトルの重みパラメータを得て、
前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定するように構成され、
前記ターゲットセマンティックベクトルが、前記複数のセマンティックベクトルのうちの1つであることを特徴とする
項目9に記載の装置。
(項目11)
前記先験的情報は、前記ターゲットセマンティックベクトルの直前のセマンティックベクトルに対応するテキスト認識結果及び/又は開始記号を含むことを特徴とする
項目10に記載の装置。
(項目12)
前記認識モジュールは、
前記畳み込みニューラルネットワークにおける少なくとも1つの第1畳み込み層により、前記ターゲットセマンティックベクトルに対して符号化処理を行い、前記ターゲットセマンティックベクトルの第1ベクトルを得て、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行い、前記先験的情報に対応する第2ベクトルを得て、
前記第1ベクトル及び前記第2ベクトルに基づいて、前記重みパラメータを決定するように構成されることを特徴とする
項目10又は11に記載の装置。
(項目13)
前記認識モジュールは、
前記先験的情報に前記ターゲットセマンティックベクトルの直前のセマンティックベクトルに対応するテキスト認識結果が含まれることに応答して、前記直前のセマンティックベクトルに対応するテキスト認識結果に対して単語埋め込み処理を行い、該先験的情報に対応する特徴ベクトルを得て、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記特徴ベクトルに対して符号化処理を行い、前記第2ベクトルを得るように構成されることを特徴とする
項目12に記載の装置。
(項目14)
前記認識モジュールは、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記先験的情報における開始記号に対応する開始ベクトルに対して符号化処理を行い、前記第2ベクトルを得るように構成されることを特徴とする
項目12又は13に記載の装置。
(項目15)
前記認識モジュールは、
前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応する注意分配ベクトルを得て、
前記畳み込みニューラルネットワークにおける少なくとも1つの逆畳み込み層により、前記注意分配ベクトルを復号処理し、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定するように構成されることを特徴とする
項目10-14のいずれか一項に記載の装置。
(項目16)
前記抽出モジュールは、
前記検出対象画像に対して特徴抽出を行い、特徴情報を得て、
前記特徴情報に対してダウンサンプリング処理を行い、前記複数のセマンティックベクトルを得るように構成されることを特徴とする
項目9-15のいずれか一項に記載の装置。
(項目17)
電子機器であって、
プロセッサと、
前記プロセッサにより実行される命令を記憶するためのメモリと、を備え、
前記プロセッサは、前記メモリに記憶されている命令を実行する時、項目1から8のいずれか一項に記載の方法を実現させる、電子機器。
(項目18)
コンピュータプログラム命令が記憶されているコンピュータ可読記憶媒体であって、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時、プロセッサに項目1から8の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。
幾つかの実施例において、畳み込みニューラルネットワークが訓練要件を満たした場合、畳み込みニューラルネットワークを検出対象画像におけるテキストシーケンスの認識に用いることができる。訓練要件は、調整回数、ネットワーク損失の大きさ又はネットワーク損失の収束性及び拡散性などを含んでもよい。畳み込みニューラルネットワークのネットワークパラメータを所定の回数で調整する。調整回数が前記所定の回数に達した時、訓練要件を満たしていると認められる。又は、調整回数を限定せず、ネットワーク損失が所定の程度まで低下したか又は所定の閾値内に収束した時、調整を終了し、調整されたみ込みニューラルネットワークを得る。
Claims (11)
- テキスト認識方法であって、
検出対象画像に対して特徴抽出処理を行うことによって、複数のセマンティックベクトルを得ることであって、前記複数のセマンティックベクトルが、前記検出対象画像におけるテキストシーケンスの複数の文字にそれぞれ対応する、ことと、
畳み込みニューラルネットワークにより、前記複数のセマンティックベクトルに対して順に認識処理を行うことによって、前記テキストシーケンスの認識結果を得ることと
を含み、
畳み込みニューラルネットワークにより、前記複数のセマンティックベクトルに対して順に認識処理を行うことによって、前記テキストシーケンスの認識結果を得ることは、
前記畳み込みニューラルネットワークにより、ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行うことによって、前記ターゲットセマンティックベクトルの重みパラメータを得ることであって、前記ターゲットセマンティックベクトルが、前記複数のセマンティックベクトルのうちの1つであり、前記先験的情報は、前記ターゲットセマンティックベクトルの直前のセマンティックベクトルに対応するテキスト認識結果及び/又は開始記号を含み、前記重みパラメータは、ターゲットセマンティックベクトルに対して重み付け処理を行うことによって前記ターゲットセマンティックベクトルに対応する注意分配ベクトルを決定するためのものである、ことと、
前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定することと
を含む、テキスト認識方法。 - 畳み込みニューラルネットワークにより、ターゲットセマンティックベクトルの先験的情報に対して処理を行うことによって、前記ターゲットセマンティックベクトルの重みパラメータを得ることは、
前記畳み込みニューラルネットワークにおける少なくとも1つの第1畳み込み層により、前記ターゲットセマンティックベクトルに対して符号化処理を行うことによって、前記ターゲットセマンティックベクトルの符号化後の第1ベクトルを得ることと、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行うことによって、前記先験的情報の符号化後の第2ベクトルを得ることと、
前記第1ベクトル及び前記第2ベクトルに基づいて、前記重みパラメータを決定することと
を含む、請求項1に記載のテキスト認識方法。 - 前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行うことによって、前記先験的情報の符号化後の第2ベクトルを得ることは、
前記先験的情報に前記ターゲットセマンティックベクトルの直前のセマンティックベクトルに対応するテキスト認識結果が含まれることに応答して、前記直前のセマンティックベクトルに対応するテキスト認識結果に対して単語埋め込み処理を行うことによって、前記先験的情報の単語埋め込み後の特徴ベクトルを得ることと、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記特徴ベクトルに対して符号化処理を行うことによって、前記第2ベクトルを得ることと
を含む、請求項2に記載のテキスト認識方法。 - 前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行うことによって、前記先験的情報の符号化後の第2ベクトルを得ることは、
前記畳み込みニューラルネットワークにおける少なくとも1つの第2畳み込み層により、前記先験的情報における開始記号に対応する開始ベクトルに対して符号化処理を行うことによって、前記第2ベクトルを得ることを含む、請求項2又は3に記載のテキスト認識方法。 - 前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定することは、
前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応する注意分配ベクトルを得ることと、
前記畳み込みニューラルネットワークにおける少なくとも1つの逆畳み込み層により、前記注意分配ベクトルを復号処理することによって、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定することと
を含む、請求項1~4のいずれか一項に記載のテキスト認識方法。 - 前記検出対象画像に対して特徴抽出処理を行うことによって、複数のセマンティックベクトルを得ることは、
前記検出対象画像に対して特徴抽出を行うことによって、特徴情報を得ることと、
前記特徴情報に対してダウンサンプリング処理を行うことによって、前記複数のセマンティックベクトルを得ることと
を含む、請求項1~5のいずれか一項に記載のテキスト認識方法。 - テキスト認識装置であって、
検出対象画像に対して特徴抽出処理を行うことによって、複数のセマンティックベクトルを得るように構成される抽出モジュールであって、前記複数のセマンティックベクトルが、前記検出対象画像におけるテキストシーケンスの複数の文字にそれぞれ対応する、抽出モジュールと、
畳み込みニューラルネットワークにより、前記複数のセマンティックベクトルに対して順に認識処理を行うことによって、前記テキストシーケンスの認識結果を得るように構成される認識モジュールと
を備え、
前記認識モジュールは、
前記畳み込みニューラルネットワークにより、ターゲットセマンティックベクトルの先験的情報に対して符号化処理を行うことによって、前記ターゲットセマンティックベクトルの重みパラメータを得ることであって、前記ターゲットセマンティックベクトルが、前記複数のセマンティックベクトルのうちの1つであり、前記先験的情報は、前記ターゲットセマンティックベクトルの直前のセマンティックベクトルに対応するテキスト認識結果及び/又は開始記号を含み、前記重みパラメータは、ターゲットセマンティックベクトルに対して重み付け処理を行うことによって前記ターゲットセマンティックベクトルに対応する注意分配ベクトルを決定するためのものである、ことと、
前記重みパラメータ及び前記ターゲットセマンティックベクトルに基づいて、前記ターゲットセマンティックベクトルに対応するテキスト認識結果を決定することと
を行う、テキスト認識装置。 - 前記抽出モジュールは、
前記検出対象画像に対して特徴抽出を行うことによって、特徴情報を得ることと、
前記特徴情報に対してダウンサンプリング処理を行うことによって、前記複数のセマンティックベクトルを得ることと
を行う、請求項7に記載のテキスト認識装置。 - 電子機器であって、
プロセッサと、
前記プロセッサにより実行される命令を記憶するメモリと
を備え、
前記プロセッサは、前記メモリに記憶されている前記命令を実行することにより、請求項1~6のいずれか一項に記載のテキスト認識方法を実行する、電子機器。 - コンピュータプログラム命令が記憶されているコンピュータ読み取り可能な記憶媒体であって、前記コンピュータプログラム命令は、プロセッサによって実行されると、請求項1~6のいずれか一項に記載のテキスト認識方法を実行することを前記プロセッサに行わせる、コンピュータ読み取り可能な記憶媒体。
- 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、プロセッサによって実行されると、請求項1~6のいずれか一項に記載のテキスト認識方法を実行することを前記プロセッサに行わせる、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251661.4 | 2019-03-29 | ||
CN201910251661.4A CN111753822B (zh) | 2019-03-29 | 2019-03-29 | 文本识别方法及装置、电子设备和存储介质 |
PCT/CN2020/072804 WO2020199730A1 (zh) | 2019-03-29 | 2020-01-17 | 文本识别方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021520002A JP2021520002A (ja) | 2021-08-12 |
JP7153088B2 true JP7153088B2 (ja) | 2022-10-13 |
Family
ID=72664623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020561646A Active JP7153088B2 (ja) | 2019-03-29 | 2020-01-17 | テキスト認識方法及びテキスト認識装置、電子機器、記憶媒体並びにコンピュータプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US12014275B2 (ja) |
JP (1) | JP7153088B2 (ja) |
CN (1) | CN111753822B (ja) |
SG (1) | SG11202010916SA (ja) |
TW (1) | TW202036464A (ja) |
WO (1) | WO2020199730A1 (ja) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7363107B2 (ja) * | 2019-06-04 | 2023-10-18 | コニカミノルタ株式会社 | 発想支援装置、発想支援システム及びプログラム |
CN110569846A (zh) * | 2019-09-16 | 2019-12-13 | 北京百度网讯科技有限公司 | 图像文字识别方法、装置、设备及存储介质 |
US11227009B1 (en) * | 2019-09-30 | 2022-01-18 | Amazon Technologies, Inc. | Text de-obfuscation with image recognition of text |
CN112487826A (zh) * | 2020-11-30 | 2021-03-12 | 北京百度网讯科技有限公司 | 信息抽取方法、抽取模型训练方法、装置以及电子设备 |
CN112733830A (zh) * | 2020-12-31 | 2021-04-30 | 上海芯翌智能科技有限公司 | 店铺招牌识别方法及装置、存储介质和计算机设备 |
CN112949477B (zh) * | 2021-03-01 | 2024-03-15 | 苏州美能华智能科技有限公司 | 基于图卷积神经网络的信息识别方法、装置及存储介质 |
CN113190643B (zh) * | 2021-04-13 | 2023-02-03 | 安阳师范学院 | 信息生成方法、终端设备和计算机可读介质 |
CN113762050B (zh) * | 2021-05-12 | 2024-05-24 | 腾讯云计算(北京)有限责任公司 | 图像数据处理方法、装置、设备以及介质 |
CN113326887B (zh) * | 2021-06-16 | 2024-03-29 | 深圳思谋信息科技有限公司 | 文本检测方法、装置、计算机设备 |
CN113448477B (zh) * | 2021-08-31 | 2021-11-23 | 南昌航空大学 | 交互式图像编辑方法、装置、可读存储介质及电子设备 |
CN113704478B (zh) * | 2021-09-07 | 2023-08-22 | 平安银行股份有限公司 | 文本要素提取方法、装置、电子设备及介质 |
CN113792741B (zh) * | 2021-09-17 | 2023-08-11 | 平安普惠企业管理有限公司 | 文字识别方法、装置、设备及存储介质 |
CN113837965B (zh) * | 2021-09-26 | 2024-06-18 | 北京百度网讯科技有限公司 | 图像清晰度识别方法、装置、电子设备及存储介质 |
CN113688955B (zh) * | 2021-10-25 | 2022-02-15 | 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 |
CN114239598A (zh) * | 2021-12-17 | 2022-03-25 | 上海高德威智能交通系统有限公司 | 文本元素阅读顺序确定方法、装置、电子设备及存储介质 |
CN113963358B (zh) * | 2021-12-20 | 2022-03-04 | 北京易真学思教育科技有限公司 | 文本识别模型训练方法、文本识别方法、装置及电子设备 |
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 |
CN114495101A (zh) * | 2022-01-12 | 2022-05-13 | 北京百度网讯科技有限公司 | 文本检测方法、文本检测网络的训练方法及装置 |
CN114495102A (zh) * | 2022-01-12 | 2022-05-13 | 北京百度网讯科技有限公司 | 文本识别方法、文本识别网络的训练方法及装置 |
CN114492437B (zh) * | 2022-02-16 | 2023-07-18 | 平安科技(深圳)有限公司 | 关键词识别方法、装置、电子设备及存储介质 |
CN115062118B (zh) * | 2022-07-26 | 2023-01-31 | 神州医疗科技股份有限公司 | 双通道信息抽取方法、装置、电子设备和介质 |
CN115601752A (zh) * | 2022-10-26 | 2023-01-13 | 维沃移动通信有限公司(Cn) | 文字识别方法、装置、电子设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017194806A (ja) | 2016-04-19 | 2017-10-26 | AI inside株式会社 | 文字認識装置、方法およびプログラム |
WO2018094294A1 (en) | 2016-11-18 | 2018-05-24 | Salesforce.Com, Inc. | Spatial attention model for image captioning |
CN108287585A (zh) | 2018-01-25 | 2018-07-17 | 西安文理学院 | 一种稳压电源 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0954814A (ja) * | 1995-08-04 | 1997-02-25 | At & T Corp | 入力記号表現の分析及び入力記号表現の可能解釈のスコアリングシステム |
GB201511887D0 (en) * | 2015-07-07 | 2015-08-19 | Touchtype Ltd | Improved artificial neural network for language modelling and prediction |
CN108287858B (zh) * | 2017-03-02 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 自然语言的语义提取方法及装置 |
CN107168952B (zh) * | 2017-05-15 | 2021-06-04 | 北京百度网讯科技有限公司 | 基于人工智能的信息生成方法和装置 |
CN108228686B (zh) * | 2017-06-15 | 2021-03-23 | 北京市商汤科技开发有限公司 | 用于实现图文匹配的方法、装置和电子设备 |
US10628668B2 (en) * | 2017-08-09 | 2020-04-21 | Open Text Sa Ulc | Systems and methods for generating and using semantic images in deep learning for classification and data extraction |
CN107590192B (zh) * | 2017-08-11 | 2023-05-05 | 深圳市腾讯计算机系统有限公司 | 文本问题的数学化处理方法、装置、设备和存储介质 |
CN107644209A (zh) * | 2017-09-21 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 人脸检测方法和装置 |
US10438371B2 (en) | 2017-09-22 | 2019-10-08 | Zoox, Inc. | Three-dimensional bounding box from two-dimensional image and point cloud data |
CN107797985B (zh) * | 2017-09-27 | 2022-02-25 | 百度在线网络技术(北京)有限公司 | 建立同义鉴别模型以及鉴别同义文本的方法、装置 |
US10810467B2 (en) * | 2017-11-17 | 2020-10-20 | Hong Kong Applied Science and Technology Research Institute Company Limited | Flexible integrating recognition and semantic processing |
CN108288078B (zh) * | 2017-12-07 | 2020-09-29 | 腾讯科技(深圳)有限公司 | 一种图像中字符识别方法、装置和介质 |
CN108615036B (zh) * | 2018-05-09 | 2021-10-01 | 中国科学技术大学 | 一种基于卷积注意力网络的自然场景文本识别方法 |
CN108874174B (zh) * | 2018-05-29 | 2020-04-24 | 腾讯科技(深圳)有限公司 | 一种文本纠错方法、装置以及相关设备 |
US10585988B2 (en) * | 2018-06-08 | 2020-03-10 | Microsoft Technology Licensing, Llc | Graph representations for identifying a next word |
CN108960330B (zh) * | 2018-07-09 | 2021-09-10 | 西安电子科技大学 | 基于快速区域卷积神经网络的遥感图像语义生成方法 |
EP3598339A1 (en) * | 2018-07-19 | 2020-01-22 | Tata Consultancy Services Limited | Systems and methods for end-to-end handwritten text recognition using neural networks |
CN109389091B (zh) * | 2018-10-22 | 2022-05-03 | 重庆邮电大学 | 基于神经网络和注意力机制结合的文字识别系统及方法 |
CN109446328A (zh) * | 2018-11-02 | 2019-03-08 | 成都四方伟业软件股份有限公司 | 一种文本识别方法、装置及其存储介质 |
US11010560B2 (en) * | 2018-11-08 | 2021-05-18 | International Business Machines Corporation | Multi-resolution convolutional neural networks for sequence modeling |
CN109471945B (zh) * | 2018-11-12 | 2021-11-23 | 中山大学 | 基于深度学习的医疗文本分类方法、装置及存储介质 |
-
2019
- 2019-03-29 CN CN201910251661.4A patent/CN111753822B/zh active Active
-
2020
- 2020-01-17 SG SG11202010916SA patent/SG11202010916SA/en unknown
- 2020-01-17 WO PCT/CN2020/072804 patent/WO2020199730A1/zh active Application Filing
- 2020-01-17 JP JP2020561646A patent/JP7153088B2/ja active Active
- 2020-02-10 TW TW109104030A patent/TW202036464A/zh unknown
- 2020-10-27 US US17/081,758 patent/US12014275B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017194806A (ja) | 2016-04-19 | 2017-10-26 | AI inside株式会社 | 文字認識装置、方法およびプログラム |
WO2018094294A1 (en) | 2016-11-18 | 2018-05-24 | Salesforce.Com, Inc. | Spatial attention model for image captioning |
CN108287585A (zh) | 2018-01-25 | 2018-07-17 | 西安文理学院 | 一种稳压电源 |
Non-Patent Citations (1)
Title |
---|
Xuebo Liu,FOTS: Fast Oriented Text Spotting with a Unified Network,2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition,米国,IEEE,2018年06月18日,pp.5676 - 5685,URL,https://ieeexplore.ieee.org/document/8578693 |
Also Published As
Publication number | Publication date |
---|---|
TW202036464A (zh) | 2020-10-01 |
US12014275B2 (en) | 2024-06-18 |
CN111753822A (zh) | 2020-10-09 |
CN111753822B (zh) | 2024-05-24 |
JP2021520002A (ja) | 2021-08-12 |
US20210042474A1 (en) | 2021-02-11 |
SG11202010916SA (en) | 2020-12-30 |
WO2020199730A1 (zh) | 2020-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7153088B2 (ja) | テキスト認識方法及びテキスト認識装置、電子機器、記憶媒体並びにコンピュータプログラム | |
CN110688951B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111310616B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN109522910B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN107527059B (zh) | 文字识别方法、装置及终端 | |
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN111445493B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109934275B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
JP2021520561A (ja) | テキスト認識 | |
CN111126108B (zh) | 图像检测模型的训练和图像检测方法及装置 | |
CN110458218B (zh) | 图像分类方法及装置、分类网络训练方法及装置 | |
CN111539410B (zh) | 字符识别方法及装置、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 | |
CN111259967B (zh) | 图像分类及神经网络训练方法、装置、设备及存储介质 | |
CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
CN110781813A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
US20230252778A1 (en) | Formula recognition method and apparatus | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
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 | |
CN116030524B (zh) | 一种人脸识别方法及装置、电子设备和存储介质 | |
CN117893591B (zh) | 光幕模板识别方法及装置、设备、存储介质和程序产品 | |
CN110119652B (zh) | 视频的镜头分割方法及装置 | |
CN111382734B (zh) | 电话号码的检测及识别方法、装置及存储介质 | |
CN113869426A (zh) | 一种公式识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201102 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201102 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220106 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220405 |
|
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: 20220905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220930 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7153088 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |