[发明专利]OCR模型训练方法、系统及装置

说明书

本发明属于图像处理技术领域，具体提供一种OCR模型训练方法、系统及装置。本发明旨在解决目前较少数量的图像样本无法使OCR模型的准确度达到较高水平的问题。为此目的，本发明通过首先对初始图像样本进行标注并生成第一OCR训练集，再在训练模型中输入第一OCR训练集进行训练，得到第一OCR模型，将实物图像样本输入第一OCR模型进行识别，根据识别结果获得实物图像样本中被识别错误的图像样本，将被识别的错误的图像样本汇总为第一补充OCR训练集，并分配第一OCR训练集与第一补充OCR训练集的权重，合并后生成第一优化OCR训练集，在第一OCR模型中输入第一优化OCR训练集进行训练，以得到准确度更高的第一优化OCR模型进行字符识别。

技术领域

本发明涉及计算机视觉当中的图像处理技术领域，尤其涉及一种OCR模型训练方法、系统及装置。

背景技术

OCR(Optical Character Recognition,光学字符识别)作为计算机视觉中一个重要的应用领域，由于其有监督网络的特性，需要大量的训练数据支撑才能取得良好的效果。因此，在OCR领域中，包含各种场景的庞大数据训练集对于得到一个良好的OCR模型至关重要。

但是现有技术中的OCR模型，其训练集通常是预设好的，在进行调试完毕后就开始进入实际应用，伴随着实际使用，往往真实的识别准确度会低于训练出后的预期准确度，降低用户体验。举例而言，在银行体系中，某些票据给开发模型的仅有有限数量的图像样本，此时制作出的训练集的数量较少，因此训练出的OCR模型的识别准确度相应地就不是很高。

发明内容

为了克服上述缺陷，提出了本发明，以解决或至少部分地解决目前较少数量的图像样本无法使OCR模型的准确度达到较高水平的技术问题。本发明提供了一种OCR模型训练方法、系统及装置。

第一方面、提供一种OCR模型训练方法，包括：

对初始图像样本进行标注以生成第一OCR训练集；

在待训练的OCR模型中输入所述第一OCR训练集进行训练，得到第一OCR模型；

将实物图像样本输入所述第一OCR模型进行识别；

根据识别结果获得所述实物图像样本中被识别错误的图像样本；

将被识别错误的图像样本作为第一补充OCR训练集，并为第一OCR训练集与第一补充OCR训练集分别分配权重，合并后生成第一优化OCR训练集；

在所述第一OCR模型中输入所述第一优化OCR训练集进行训练，以得到第一优化OCR模型。

在上述方法的优选技术方案中，所述方法还包括：

循环执行如下操作，直至第n优化OCR模型满足需求：

继续将实物图像样本输入第n-1优化OCR模型进行识别；

根据识别结果获得所述实物图像样本中被识别错误的图像样本；

将被识别错误的图像样本作为第n补充OCR训练集，并为所述第n-1优化OCR训练集与所述第n补充OCR训练集分别分配权重，合并后生成第n优化OCR训练集；

在第n-1优化OCR模型中输入所述第n优化OCR训练集进行训练，以得到第n优化OCR模型；

其中，n为大于等于2的自然数。

在上述方法的优选技术方案中，“继续将实物图像样本输入第n-1优化OCR模型进行识别”的步骤之前，所述方法还包括：

去除已分配的第n-1优化OCR训练集中第n-1OCR训练集和第n-1补充OCR训练集的权重。