[发明专利]手写文本识别方法及计算机存储介质

说明书

本发明实施例提供一种手写文本识别方法及计算机存储介质。其中，所述方法包括：通过第一手写文本识别模型中基于特征金字塔网络的编码器，对待识别的手写文本图像的图像轮廓特征进行编码，以获得手写文本图像的多个不同尺度的图像轮廓特征数据，并对多个不同尺度的图像轮廓特征数据进行多尺度特征融合，以获得手写文本图像的图像轮廓特征融合数据；通过第一手写文本识别模型中的残差解码器，对手写文本图像的图像轮廓特征融合数据进行残差解码，以获得手写文本图像中的手写文字的字符后验概率分布数据；通过第一手写文本识别模型中的连接时序分类层，基于手写文本图像中的手写文字的字符后验概率分布数据，识别出手写文本图像的手写文字识别结果。

技术领域

本发明实施例涉及文本智能识别领域，尤其涉及一种手写文本识别方法及计算机存储介质。

背景技术

由于真实场景中的手写文本图像是非常复杂的，图像中往往包含扭曲或者重叠的字符，不同字体、大小和颜色的字符以及复杂的背景噪声。因此，文本识别任务图像中的文本信息对于视觉语义理解任务来说是必不可少的。但是，手写文本识别不同于传统OCR(Optical Character Recognition，光学字符识别)，其主要原因是每个人的书写习惯不同，体现在字体、大小、疏密甚至方向。

现有技术中的文本识别方法对书面体印刷文本的识别效果较好，但对于手写文本的识别效果较差，无法适应手写字体的风格变化。具体地，手写文本行同时存在尺度大小多变的字体，以及紧密度不一的字体间隔，导致识别出现严重漏字现象。此外，对手写字体模糊图像、手写字体扭曲图像、手写字体大小多变图像等低质量手写文本图像的文本识别具有较差的鲁棒性。

由此可见，如何有效改善手写文本识别中的漏识别的问题，并增强对低质量手写文本图像识别的鲁棒性成为当前亟待解决的技术问题。

发明内容

有鉴于此，本发明实施例所解决的技术问题之一在于提供一种手写文本识别方法及计算机存储介质，用以解决上述问题至少之一。

本发明实施例提供一种手写文本识别方法。所述方法包括：通过第一手写文本识别模型中基于特征金字塔网络的编码器，对待识别的手写文本图像的图像轮廓特征进行编码，以获得所述手写文本图像的多个不同尺度的图像轮廓特征数据，并对所述多个不同尺度的图像轮廓特征数据进行多尺度特征融合，以获得所述手写文本图像的图像轮廓特征融合数据；通过所述第一手写文本识别模型中的残差解码器，对所述手写文本图像的图像轮廓特征融合数据进行残差解码，以获得所述手写文本图像中的手写文字的字符后验概率分布数据；通过所述第一手写文本识别模型中的连接时序分类层，基于所述手写文本图像中的手写文字的字符后验概率分布数据，识别出所述手写文本图像的手写文字识别结果。

本发明实施例还提供一种计算机可读介质，所述计算机存储介质存储有可读程序，所述可读程序包括：用于通过第一手写文本识别模型中基于特征金字塔网络的编码器，对待识别的手写文本图像的图像轮廓特征进行编码，以获得所述手写文本图像的多个不同尺度的图像轮廓特征数据，并对所述多个不同尺度的图像轮廓特征数据进行多尺度特征融合，以获得所述手写文本图像的图像轮廓特征融合数据的指令；用于通过所述第一手写文本识别模型中的残差解码器，对所述手写文本图像的图像轮廓特征融合数据进行残差解码，以获得所述手写文本图像中的手写文字的字符后验概率分布数据的指令；用于通过所述第一手写文本识别模型中的连接时序分类层，基于所述手写文本图像中的手写文字的字符后验概率分布数据，识别出所述手写文本图像的手写文字识别结果的指令。