[发明专利]图像文字识别方法、装置、电子设备

说明书

本申请公开了一种图像文字识别方法，属于计算机技术领域，有助于提升图像中文字识别的准确率。所述图像文字识别方法包括：将预先训练的编码‑解码网络模型应用于在线识别过程中，编码‑解码网络模型包括：至少两个编码模块、与每个所述编码模块对应的解码模块的，其中，每个编码模块用于从不同特征维度对输入图像进行编码，所述方法通过执行至少两个编码模块，对输入图像特征编码，分别得到每个编码模块的编码输出；分别执行每个解码模块，对相应编码模块的编码输出进行解码，得到各解码模块对输入图像的解码输出；对各解码模块对输入图像的解码输出，进行融合处理，确定所述编码‑解码网络模型对所述输入图像的文字识别结果。

技术领域

本申请实施例涉及计算机技术领域，特别是涉及一种图像文字识别方法、装置、电子设备及计算机可读存储介质。

背景技术

文字识别作为机器视觉中的一种常用技术，被广泛应用于文档分析、证照识别、街景识别、信息自动录入等应用场景中。现有技术中，文字识别的主流方法都是由编码-解码结构构成。其中，编码过程是将输入的图像信息转化成一个表征向量；解码过程则是将编码过程生成的表征向量再转化成输出目标序列。为了提升文字识别结果的准确率，现有技术中，通常采用多个编码-解码网络结构对输入图像进行编解码，并在分别得到每个编码-解码网络结构输出的解码结果之后，采用识别准确率最高的一个编码-解码网络结构输出的解码结果作为所述输入图像中的文字识别结果。然而，现有技术中的文字识别方法，不同编码-解码网络结构输出的解码结果之间没有相互参考，各个网络结构的解码部分仅根据自身编码部分的编码输出执行解码操作，当编码部分的输出，或者解码部分的输出不准确时，都会影响文字识别结果的准确率。

可见，现有技术中的文字识别方法还需要改进。

发明内容

本申请实施例提供一种图像文字识别方法，有助于提升图像中文字识别的准确率。

第一方面，本申请实施例提供了一种图像文字识别方法，预先训练的编码-解码网络模型包括：至少两个编码模块，以及，和每个所述编码模块对应的解码模块，其中，每个所述编码模块用于从不同特征维度对输入图像进行编码；所述方法包括：

执行所述至少两个编码模块，对输入图像特征编码，分别得到每个所述编码模块的编码输出；

分别执行每个所述解码模块，对相应所述编码模块的所述编码输出进行解码，得到各所述解码模块对所述输入图像的解码输出；

对各所述解码模块对所述输入图像的所述解码输出，进行融合处理，确定所述编码-解码网络模型对所述输入图像的文字识别结果。

第二方面，本申请实施例提供了一种图像文字识别装置，用于执行预先训练的编码-解码网络模型，所述编码-解码网络模型包括：至少两个编码模块，以及，和每个所述编码模块对应的解码模块，其中，每个所述编码模块用于从不同特征维度对输入图像进行编码；所述装置包括：

编码控制单元，用于执行所述至少两个编码模块，对输入图像特征编码，分别得到每个所述编码模块的编码输出；

解码控制单元，用于分别执行每个所述解码模块，对相应所述编码模块的所述编码输出进行解码，得到各所述解码模块对所述输入图像的解码输出；

融合输出控制单元，用于对各所述解码模块对所述输入图像的所述解码输出，进行融合处理，确定所述编码-解码网络模型对所述输入图像的文字识别结果。

第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的图像文字识别方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的图像文字识别方法的步骤。