[发明专利]自然场景的文本识别方法、存储装置和计算机设备

权利要求书

1.一种自然场景的文本识别方法，其特征在于，包括：

利用深度卷积网络对待识别图像进行特征提取，以获取多个特征向量；

利用结合有残差模块的编码用二维递归网络对所述多个特征向量进行编码，以获得编码特征序列；

利用解码用二维递归网络对所述编码特征序列进行解码，以获得预测标签序列；

利用连接时间分类模型对所述预测标签序列进行校正，以形成输出文本序列。

2.根据权利要求1所述的方法，其特征在于，所述深度卷积网络为Yolo3网络。

3.根据权利要求1所述的方法，其特征在于，所述编码用二维递归网络为第一Bi-LSTM网络。

4.根据权利要求3所述的方法，其特征在于，所述残差模块短接于所述第一Bi-LSTM网络的输入层的输出端和输出层的输入端之间；

所述利用结合有残差模块的编码用二维递归网络对所述多个特征向量进行编码的步骤包括：

利用所述残差模块将所述输入层对所述特征向量的第一转化结果与所述输出端和输出层之间的中间层对所述特征向量的第二转化结果进行合并后输入至所述输出层。

5.根据权利要求1所述的方法，其特征在于，所述解码用二维递归网络为第二Bi-LSTM网络。

6.根据权利要求1所述的方法，其特征在于，所述连接时间分类模型进一步结合有注意力机制。

7.根据权利要求6所述的方法，其特征在于，所述利用连接时间分类模型对所述预测标签序列进行校正的步骤包括：

利用所述连接时间分类模型计算由所述预测标签序列中的每个预测标签所表征的字符形成的多个候选文本序列中的每个候选文本序列的第一预测概率；

利用注意力模型计算每个所述候选文本序列的第二预测概率；

将每个所述候选文本序列的所述第一预测概率和所述第二预测概率进行合并，以获得综合预测概率；

选择所述综合预测概率最高的所述候选文本序列作为所述输出文本序列。

8.根据权利要求7所述的方法，其特征在于，所述将每个所述候选文本序列的所述第一预测概率和所述第二预测概率进行合并的步骤包括：

将所述第一预测概率的对数值与所述第二预测概率的对数值进行加权求和。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述处理器耦接所述存储器，所述存储器用于存储程序，所述处理器用于执行所述程序以实现如权利要求1-8任一项所述的自然场景的文本识别方法。

10.一种存储装置，其特征在于，所述存储装置存储有程序，所述程序被执行时能够实现如权利要求1-8任一项所述的自然场景的文本识别方法。