[发明专利]一种面向办公场景的光学文字识别方法

权利要求书

1.一种面向办公场景的光学文字识别方法，其特征在于：包括如下步骤：

S1：数据样本采集，包括数据处理以及原始样本分割；

S2：文字检测部分训练，包括预训练与再训练；

S3：文字识别部分训练，包括标签生成与训练；

S4：模型验证，包括检测部分验证和识别部分验证，并最终得到检测和识别的分析报告；

S5：改进流程，包括数据质量改进和算法改进。

2.根据权利要求1所述的一种面向办公场景的光学文字识别方法，其特征在于：所述步骤S1中，数据处理过程包括数据获取、数据清洗和数据集制作，其中，

数据获取：向相关部门申请发票数据，在得到采样许可后进行实地数据采样，对采集到的数据简单归一化整理、并按照采集样本质量进行打分，完成粗粒度的数据分析；

数据清洗：对粗粒度清洗后的数据进行细粒度的清洗，对于不满足最低尺度、分辨率和所占比例的图片予以滤除；

数据集制作：将数据制作成类VOC数据集格式，这个数据集包含以下四项：Annotation装载着标定的数据、JPEG包含着各个jpg格式的图像、score包含着对于各个评分档的数据样本、layout包含了用于训练、训练-验证和验证的样本编号。

3.根据权利要求1所述的一种面向办公场景的光学文字识别方法，其特征在于：所述步骤S1中，原始样本分割过程使用训练得到的模型区分出粗粒度的发票种类。

4.根据权利要求1所述的一种面向办公场景的光学文字识别方法，其特征在于：所述步骤S2中，

预训练：在EAST预训练部分要更改数据集路径、在多核V100上根据资源调节训练参数、将前置训练予以清理，并在tmux下启动训练流程、然后训练得到检测模型；

再训练：在EAST再训练部分要保留前置训练的checkpoint，然后输入相关图像和对应的json文件，restore预训练的参数完成再训练。

5.根据权利要求1所述的一种面向办公场景的光学文字识别方法，其特征在于：所述步骤S3中，

标签生成：将需要识别的发票放在同一个文件夹地址之下，然后根据检测结果裁剪出基于QUAD的八点坐标，将这幅子图和对应的标签打包形成label和path的文件，然后更改CRNN的训练标签集合，以避免预测字符的自动转义；

训练：在CRNN预训练部分要更改数据集路径、在多核V100上根据资源调节训练参数、将前置训练予以清理，并在tmux下启动训练流程、然后训练得到检测模型。

6.根据权利要求1所述的一种面向办公场景的光学文字识别方法，其特征在于：所述步骤S40中，

检测部分验证：分为查看具体的检测结果和查看宏观的检测指标，具体的检测结果包括发票的代码、号码、日期、时间、里程和金额的画框；宏观的检测指标包括对于字段级别的正确率、回归率和F1数值；

识别部分验证：分为查看具体的识别结果和查看宏观的检测指标，具体的识别结果包括发票的代码、号码、日期、时间、里程和金额的具体字段值；宏观的检测指标包括对于字段级别的正确率、回归率和F1数值。

7.根据权利要求1所述的一种面向办公场景的光学文字识别方法，其特征在于：所述步骤S5中，

数据质量改进：对于少量样本的采样，主取补充发票重采样策略改进数据质量；对于特定用途的数据样本，采取数据增强等图像处理方式进行数据质量改进；

算法改进：分为API图像处理层级改进和核心算法改进两个层级，在宏观上选择目标检测+聚类+文字检测+文字识别的核心算法，在API层面进行图像的运算操作。

8.一种面向办公场景的光学文字识别云服务，其特征在于：包括部署基本环境和部署集群环境，

部署基本环境包括部署Docker环境、制作Docker镜像并上传到仓库、以及利用Docker在集群中安装深度学习镜像；

部署集群环境包括深度学习集群框架组件安装、创建K8S部署和服务、调用K8S部署和服务。