[发明专利]用于输出信息的方法和装置

说明书

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取包含目标文本行的目标图像；将目标图像输入预先训练的文本行分割模型中，得到目标文本行中至少一个位置对应的至少一个概率，其中，文本行分割模型用于表征包含文本行的图像与文本行中至少一个位置对应的至少一个概率之间的对应关系，概率用于确定位置是否为文本行的分割点；基于所得到的至少一个概率，输出目标文本行的分割点的分割点信息。该实施方式可以准确地对字符进行切分，减少字符切开或者字符粘连的问题。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

文本行字符分割是指将文本行切分成单个字符，在字符识别之前通常需要将文本行分割成字符。文本行字符分割是OCR(Optical Character Recognition，光学字符识别)技术的重要环节。目前文本行字符分割的主流技术包括连通域字符分割方法、投影字符分割方法、滴水方法分割字符、上下轮廓特征方法分割字符以及自适应方法分割字符。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，包括：获取包含目标文本行的目标图像；将目标图像输入预先训练的文本行分割模型中，得到目标文本行中至少一个位置对应的至少一个概率，其中，文本行分割模型用于表征包含文本行的图像与文本行中至少一个位置对应的至少一个概率之间的对应关系，概率用于确定位置是否为文本行的分割点；基于所得到的至少一个概率，输出目标文本行的分割点的分割点信息。

在一些实施例中，该方法还包括：按照分割点信息所指示的分割点，对目标文本行进行分割。

在一些实施例中，文本行分割模型为卷积神经网络；以及文本行分割模型是通过如下第一训练步骤训练得到的：确定初始卷积神经网络的网络结构以及初始化初始卷积神经网络的网络参数；获取训练样本集，其中，训练样本包括包含样本文本行的样本图像和样本文本行中至少一个位置对应的至少一个概率；将训练样本集中的训练样本中包含样本文本行的样本图像和样本文本行中至少一个位置对应的至少一个概率分别作为初始卷积神经网络的输入和期望输出，利用机器学习方法训练初始卷积神经网络；将训练得到的初始卷积神经网络确定为文本行分割模型。

在一些实施例中，文本行分割模型为卷积神经网络；以及文本行分割模型是通过如下第二训练步骤训练得到的：确定初始卷积神经网络的网络结构以及初始化初始卷积神经网络的网络参数；获取训练样本集，其中，训练样本包括包含样本文本行的样本图像和样本文本行中至少一个位置对应的至少一个概率；将包含目标文本行的目标图像作为样本图像，以及将目标文本行中至少一个位置对应的至少一个预设的标签概率作为样本文本行中至少一个位置对应的至少一个概率添加到训练样本集中；将添加后的训练样本集中的训练样本中包含样本文本行的样本图像和样本文本行中至少一个位置对应的至少一个概率分别作为初始卷积神经网络的输入和期望输出，利用机器学习方法训练初始卷积神经网络；将训练得到的初始卷积神经网络确定为文本行分割模型。

在一些实施例中，预设的标签概率是通过如下步骤确定的：将目标文本行中符合第一预设条件的位置确定为第一目标位置，将第一目标位置对应的标签概率设置为预设第一标签值；将目标文本行中符合第二预设条件的位置确定为第二目标位置，将第二目标位置对应的标签概率设置为预设第二标签值；针对目标文本行中至少一个字符中的字符，基于该字符中第一目标位置和该字符中第二目标位置，确定该字符中第三目标位置对应的标签概率，其中，第三目标位置位于该字符中第一目标位置与该字符中第二目标位置之间。