[发明专利]一种文本识别方法及装置

权利要求书

1.一种文本识别方法，其特征在于，包括：

获取待识别图片；

将所述待识别图片输入到改进型卷积循环神经网络CRNN模型中，以使得所述改进型CRNN模型对所述待识别图片中的文本进行识别，获得文本识别结果；其中，所述改进型CRNN模型包括卷积神经网络CNN模块、循环神经网络RNN模块和CTC模块，所述CNN模块、所述RNN模块和所述CTC模块依次连接，所述CNN模块为八度卷积OctConv结构；

输出所述文本识别结果。

2.如权利要求1所述的方法，其特征在于，所述RNN模块为双向多层的LSTM结构，所述LSTM结构中设置有残差结构，并且所述LSTM结构中的隐藏单元的数量大于一预设值。

3.如权利要求2所述的方法，其特征在于，所述LSTM网络中设置有投影Projection网络，所述Projection网络用于降低所述LSTM网络中的参数的数量。

4.如权利要求2所述的方法，其特征在于，在所述RNN模块和所述CTC模块之间设置有通道合并网络，所述通道合并网络用于将所述RNN模块的用于输出特征序列的通道进行合并处理。

5.一种文本识别装置，其特征在于，包括：

获取单元，用于获取待识别图片；

输入单元，用于将所述待识别图片输入到改进型卷积循环神经网络CRNN模型中，以使得所述改进型CRNN模型对所述待识别图片中的文本进行识别，获得文本识别结果；其中，所述改进型CRNN模型包括卷积神经网络CNN模块、循环神经网络RNN模块和CTC模块，所述CNN模块、所述RNN模块和所述CTC模块依次连接，所述CNN模块为八度卷积OctConv结构；

输出单元，用于输出所述文本识别结果。

6.如权利要求5所述的装置，其特征在于，所述RNN模块为双向多层的LSTM结构，所述LSTM结构中设置有残差结构，并且所述LSTM结构中的隐藏单元的数量大于一预设值。

7.如权利要求6所述的装置，其特征在于，所述LSTM网络中设置有投影Projection网络，所述Projection网络用于降低所述LSTM网络中的参数的数量。

8.如权利要求6所述的装置，其特征在于，在所述RNN模块和所述CTC模块之间设置有通道合并网络，所述通道合并网络用于将所述RNN模块的用于输出特征序列的通道进行合并处理。

9.一种文本识别装置，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：

获取待识别图片；将所述待识别图片输入到改进型卷积循环神经网络CRNN模型中，以使得所述改进型CRNN模型对所述待识别图片中的文本进行识别，获得文本识别结果；其中，所述改进型CRNN模型包括卷积神经网络CNN模块、循环神经网络RNN模块和CTC模块，所述CNN模块、所述RNN模块和所述CTC模块依次连接，所述CNN模块为八度卷积OctConv结构；输出所述文本识别结果。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：

获取待识别图片；将所述待识别图片输入到改进型卷积循环神经网络CRNN模型中，以使得所述改进型CRNN模型对所述待识别图片中的文本进行识别，获得文本识别结果；其中，所述改进型CRNN模型包括卷积神经网络CNN模块、循环神经网络RNN模块和CTC模块，所述CNN模块、所述RNN模块和所述CTC模块依次连接，所述CNN模块为八度卷积OctConv结构；输出所述文本识别结果。