[发明专利]简化图像获取模型训练、图像文本识别方法及相关装置

说明书

本发明实施例提供了一种简化图像获取模型训练、图像文本识别方法及相关装置，训练方法包括：获取训练数据集，包括各个训练场景文本图像，以及各个基准简化文本图像，同一训练场景文本图像的基准简化文本图像的数量为至少两个；利用第一编码器，获取各个场景文本图像编码特征，利用解码器获取预测简化文本图像；从与训练场景文本图像对应的各个基准简化文本图像中随机获取比对基准文本图像，根据预测简化文本图像和比对基准文本图像，获取预测损失，调整第一编码器和解码器的参数，直至预测损失满足损失阈值。本发明实施例所提供的简化图像获取模型训练方法、图像文本识别方法及相关装置，可以保证图像文本识别准确性，减小模型的训练成本。

技术领域

本发明实施例涉及计算机领域，尤其涉及一种简化图像获取模型训练方法、图像文本识别方法及相关装置。

背景技术

图像文本识别是指从文本图像中识别出字符序列的过程，以为后续进一步进行处理（比如：题目批阅、文本语音合成等）提供字符信息。

随着技术的发展，图像文字识别可以通过识别模型实现。然而，为了保证模型的识别效果，需要利用大量的数据对识别模型进行训练，由于待文本识别的图像中的文本还可能为手写体，使得训练数据不仅要数量足够多，而且还要满足多样性，而为实现对模型训练的效果的判断，还需要对训练数据中的文字图像进行人工标注，这会造成大量人力物力的消耗。

因此，如何在保证图像文本识别准确性的基础上，减小模型的训练成本，就成为亟需解决的技术问题。

发明内容

本发明实施例提供一种简化图像获取模型训练方法、图像文本识别方法及相关装置，以在保证图像文本识别准确性的基础上，减小模型的训练成本。

为解决上述问题，本发明实施例提供一种简化图像获取模型训练方法，包括：

获取训练数据集，所述训练数据集包括各个训练场景文本图像，以及与各个所述训练场景文本图像对应的基准简化文本图像，其中，与同一所述训练场景文本图像的所述基准简化文本图像的数量为至少两个，所述训练场景文本图像的文本包括手写体，所述基准简化文本图像的文本包括与所述手写体对应的打印体，且各个所述基准简化文本图像分别通过与其对应的所述训练场景文本图像的标注文本获取；

利用所述简化图像获取模型的第一编码器，获取各个所述训练场景文本图像的场景文本图像编码特征，利用所述简化图像获取模型的解码器对各个所述场景文本图像编码特征进行解码，得到各个所述训练场景文本图像的预测简化文本图像；

分别从与各个所述训练场景文本图像对应的各个基准简化文本图像中随机获取比对基准文本图像，根据各个对应于同一所述训练场景文本图像的所述预测简化文本图像和所述比对基准文本图像，获取所述简化图像获取模型的预测损失，并根据所述预测损失调整所述第一编码器和所述解码器的参数，直至所述简化图像获取模型的预测损失满足损失阈值，完成所述简化图像获取模型的训练。

为解决上述问题，本发明实施例还提供一种图像文本识别方法，包括：

获取待识别场景文本图像；

利用如前述任一实施例所述的简化图像获取模型，对所述待识别场景文本图像进行预测，得到所述待识别场景文本图像的简化图像；

利用训练好的简化图像文本识别模型，对所述简化图像进行文本识别，得到识别文本，所述简化图像文本识别模型训练所利用的基准识别文本能够通过机器获取。

为解决上述问题，本发明实施例还提供一种简化图像获取模型训练装置，包括：