[发明专利]文本识别方法、电子设备及计算机可读介质

说明书

本申请实施例公开了一种文本识别方法、电子设备及计算机可读介质。其中，文本识别方法包括：对待识别的文本图像进行特征提取，获得对应的图像特征；基于图像特征进行自注意力计算处理，获得对应的特征编码向量；并且，基于图像特征进行字符位置增强处理，获得对应的字符位置编码向量；对特征编码向量和字符位置编码向量进行拼接，并对拼接后的编码向量进行语义特征提取，获得语义特征向量；对语义特征向量进行解码，获得对应的文本字符。通过本申请实施例的方案，最终解码获得的文字字符无论在字符识别准确度，还是字符位序方面，都更加准确。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种文本识别方法、电子设备及计算机可读介质。

背景技术

文本识别是一种对包含文本的图像进行检测并获取其对应的文本信息的一种技术。

目前的文本识别技术在对包含文本的图像进行识别时，会因外界因素干扰，例如，图像清晰度、图像曝光度、不同文本字体等，从而导致识别结果不够准确。以文本字体为例，在很多场景下，例如在学生的作业或试卷中，除打印体文本外，还会有手写体文本。但由于手写体文本不具有打印体文本的规范性，不同学生的手写体文本风格差异较大。因此，对打印体文本识别效果较好的现有文本识别模型却对手写体文本的识别效果较差，无法适应手写体文本的风格变化。

因此，如何对文本图像进行准确的文本识别，成为亟待解决的问题。

发明内容

本申请提供了一种文本识别方法、电子设备及计算机可读介质，以提高文本识别的准确率。

根据本申请实施例的第一方面，提供了一种文本识别方法，所述方法包括：

对待识别的文本图像进行特征提取，获得对应的图像特征；

基于所述图像特征进行自注意力计算处理，获得对应的特征编码向量；并且，基于所述图像特征进行字符位置增强处理，获得对应的字符位置编码向量；

对所述特征编码向量和所述字符位置编码向量进行拼接，并对拼接后的编码向量进行语义特征提取，获得语义特征向量；

对所述语义特征向量进行解码，获得对应的文本字符。

根据本申请实施例的第二方面，提供了一种文本识别装置，所述装置包括：

图像特征获得模块，用于对待识别的文本图像进行特征提取，获得对应的图像特征；

编码向量获得模块，用于基于所述图像特征进行自注意力计算处理，获得对应的特征编码向量；并且，基于所述图像特征进行字符位置增强处理，获得对应的字符位置编码向量；

语义特征向量获得模块，用于对所述特征编码向量和所述字符位置编码向量进行拼接，并对拼接后的编码向量进行语义特征提取，获得语义特征向量；

文本字符获得模块，用于对所述语义特征向量进行解码，获得对应的文本字符。

根据本申请实施例的第三方面，提供了一种电子设备，所述设备包括：一个或多个处理器；计算机可读介质，配置为存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的文本识别方法。

根据本申请实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的文本识别方法。

根据本申请实施例提供的方案，在对文本图像进行文本识别时，一方面，通过自注意力计算处理，对提取到的图像特征进行进一步的自注意力特征提取，使得获得的特征编码向量能够更准确、且更有针对性地表征文本图像的特征；另一方面，通过字符位置增强处理，可以基于提取到的图像特征，增加字符位置信息，以准确地表达文本图像中各个文本字符间的上下文关系。再进一步地，基于特征编码向量和字符位置编码向量拼接后的编码向量，进行语义特征提取，使得提取获得的语义特征向量也更为准确，更能有效表征文本图像中的文本特征。由此，最终解码获得的文字字符无论在字符识别准确度，还是字符位序方面，也都更加准确。