[发明专利]一种文本分类方法、系统及相关组件

说明书

本申请公开了一种文本分类方法，所述文本分类方法包括获取原始训练样本集并将原始训练样本集中每一张图片划分为文本区域图像和非文本区域图像；根据文本区域图像对应的文本类别对文本区域图像进行类别标注操作，并将标注后的文本区域图像设置为正样本；将非文本区域图像设置为负样本；利用所述正样本和所述负样本训练文本分类模型，并利用所述文本分类模型对目标物体图像执行文本分类操作得到所述目标物体图像中每一文本内容对应的文本类别。本申请能够提高文本分类过程中文本类别的识别准确率，优化文本分类流程。本申请还公开了一种文本分类系统、一种计算机可读存储介质及一种电子设备，具有以上有益效果。

技术领域

本发明涉及图像处理技术领域，特别涉及一种文本分类方法、系统、一种计算机可读存储介质及一种电子设备。

背景技术

文本分类是一种利用计算机自动识别一串字符的类别的技术，属于模式识别应用的一个重要领域。人们在生产和生活中，要处理大量的文字、报表和文本，文本分类技术可以减轻人们的劳动，提高处理效率自动识别图像中的文字信息可以应用于多个领域，例如识别身份证、银行卡中的文字内容，进而提取关键信息。

在相关技术中，通常使用文字检测算法来实现文字检测，相关技术的文字检测方案需要位置信息以及信息匹配等逻辑判断，将文字所在的区域作为类别的判断依据。但是，上述相关技术中若待识别物体的图像格式不规则(例如少数民族的身份证，不同银行发行的信用卡)，将会造成类别判断错误的问题。

因此，如何提高文本分类过程中文本类别的识别准确率，优化文本分类流程是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种文本分类方法、系统、一种计算机可读存储介质及一种电子设备，能够提高文本分类过程中文本类别的识别准确率，优化文本分类流程。

为解决上述技术问题，本申请提供一种文本分类方法，该文本分类方法包括：

获取原始训练样本集并将原始训练样本集中每一张图片划分为文本区域图像和非文本区域图像；

根据文本区域图像对应的文本类别对文本区域图像进行类别标注操作，并将标注后的文本区域图像设置为正样本；

将非文本区域图像设置为负样本；

利用所述正样本和所述负样本训练文本分类模型，并利用所述文本分类模型对目标物体图像执行文本分类操作得到所述目标物体图像中每一文本内容对应的文本类别。

可选的，利用正样本和负样本训练文本分类模型包括：

基于retinanet框架利用正样本和负样本训练文本分类模型。

可选的，当原始训练样本集为银行卡图片样本集时，文本区域图像包括银行卡号所在区域对应的图像和有效期所在区域对应的图像。

可选的，当原始训练样本集为身份证图片样本集时，文本区域图像包括姓名所在区域对应的图像、民族所在区域对应的图像、住址所在区域对应的图像、性别所在区域对应的图像，生日所在区域对应的图像、签发机关所在区域对应的图像、有效期限所在区域对应的图像和身份号码所在区域对应的图像。

可选的，在利用正样本和负样本训练文本分类模型之前，还包括：

对正样本和负样本执行数据增广操作。

可选的，数据增广操作包括随机亮度调节操作、对比度调节操作、运动模糊增加操作和高斯噪声增加操作中的任一项或任几项的组合。

本申请还提供了一种文本分类系统，该文本分类系统包括：

样本划分模块，用于获取原始训练样本集并将原始训练样本集中每一张图片划分为文本区域图像和非文本区域图像；