[发明专利]文本识别方法和装置

权利要求书

1.一种文本识别方法，其特征在于，所述方法包括：

获取待识别的图像，对所述待识别的图像进行预处理，截取其中的文本图像，将所述文本图像作为待识别的目标文本图像；

获取待识别的目标文本图像；

根据预设的切分规则，将所述目标文本图像切分为设定数目个第一子图像；

调用训练后的图像特征提取模型，分别对所述设定数目个第一子图像进行处理，得到每个第一子图像的第一子图像特征；

根据预设的整合规则，对所述每个第一子图像的第一子图像特征进行处理，确定所述目标文本图像的第一图像特征；

调用训练后的文本识别模型，对所述第一图像特征进行处理，确定识别的目标文本。

2.根据权利要求1所述的文本识别方法，其特征在于，所述文本识别模型包括第一编码模块和第一解码模块；

所述调用训练后的文本识别模型，对所述第一图像特征进行处理，确定识别的目标文本，包括：

调用训练后的文本识别模型；

通过所述第一编码模块，对所述第一图像特征进行处理，得到第二图像特征；

通过所述第一解码模块，对所述第一图像特征和所述第二图像特征进行处理，得到目标概率矩阵，所述目标概率矩阵包括设定数目个字符对应的概率向量；

根据所述目标概率矩阵，确定识别的目标文本。

3.根据权利要求2所述的文本识别方法，其特征在于，所述第一解码模块包括多个注意力模块，每个注意力模块的输入包括键向量、键值向量和查询向量；

所述每个注意力模块的处理包括：

对所述键向量和所述查询向量进行矩阵相乘，得到第一结果；

对所述第一结果进行按比例缩放，得到第二结果；

通过softmax归一化指数函数，对所述第二结果进行处理，得到第三结果；

将所述第三结果和所述键值向量进行矩阵相乘，得到所述每个注意力模块的输出。

4.根据权利要求2所述的文本识别方法，其特征在于，所述第一图像特征包括所述设定数目个第一子图像的第二子图像特征，所述第二子图像特征基于所述每个第一子图像的第一子图像特征得到；

所述通过所述第一解码模块，对所述第一图像特征和所述第二图像特征进行处理，得到目标概率矩阵，包括：

分别将每个第二子图像特征和所述第二图像特征作为输入，通过所述第一解码模块进行处理，输出得到每个第一子图像对应的概率向量，作为每个字符对应的概率向量；

将所述每个第一子图像对应的概率向量进行拼接，得到目标概率矩阵。

5.根据权利要求1所述的文本识别方法，其特征在于，所述根据预设的切分规则，将所述文本图像切分为设定数目个第一子图像，包括：

当所述目标文本图像符合第一条件时，按照从左至右的顺序，将所述目标文本图像切分为设定数目个第一子图像；

当所述目标文本图像符合第二条件时，按照从上至下的顺序，将所述目标文本图像切分为符合所述第一条件的多个第二子图像；按照从左至右的顺序，将所述多个第二子图像切分为设定数目个第一子图像；

其中，所述第一条件是指所述目标文本图像中的文本处于一行；所述第二条件是指所述目标文本图像中的文本处于多行。

6.根据权利要求1所述的文本识别方法，其特征在于，所述图像特征提取模型的训练方法包括：

获取多个第一训练样本，所述第一训练样本包括每个第一文本图像对应的设定数目个第三子图像；

获取初始的生成模型，所述生成模型包括第二编码模块和第二解码模块；

根据所述多个第一训练样本，对所述初始的生成模型进行训练，得到训练后的生成模型，其中，所述生成模型的输入为每个第三子图像，输出为所述每个第三子图像对应的预测图像，标签为所述每个第三子图像；

根据所述训练后的生成模型的第二编码模块，确定图像特征提取模型。