[发明专利]文本识别方法、装置、可读介质及电子设备

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：

获取待识别的文本图像；

将所述文本图像输入预先训练的文本识别模型，输出所述文本图像对应的文本内容和所述文本内容中每个字符的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述文本识别模型通过以下方法训练得到：

获取样本集，所述样本集包括多个样本图像和每个所述样本图像对应的样本文本信息，所述样本文本信息包括样本文本内容和所述样本文本内容中每个样本字符对应的样本位置信息；

通过所述样本集对目标神经网络模型进行训练，得到所述文本识别模型。

3.根据权利要求2所述的方法，其特征在于，所述通过所述样本集对目标神经网络模型进行训练，得到所述文本识别模型包括：

循环执行模型训练步骤，直至根据所述样本文本信息和预测文本信息确定训练后的目标神经网络模型满足预设停止迭代条件，将训练后的目标神经网络模型作为所述文本识别模型；所述预测文本信息为所述目标样本图像输入该训练后的目标神经网络模型后输出的文本信息，所述预测文本信息包括预测文本内容和所述预测文本内容中每个字符对应的预测位置信息；所述模型训练步骤包括：

将多个所述样本图像输入所述目标神经网络模型，输出每个所述样本图像对应的预测文本信息；

在根据所述样本文本信息和所述预测文本信息确定所述目标神经网络模型不满足所述预设停止迭代条件的情况下，根据所述样本文本信息和所述预测文本信息确定目标损失值，根据所述目标损失值更新所述目标神经网络模型的参数，得到训练后的目标神经网络模型，并将该训练后的目标神经网络模型作为新的目标神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述据所述样本文本信息和所述预测文本信息确定目标损失值包括：

获取第一预设权重值和第二预设权重值；

根据所述第一预设权重值、所述第二预设权重值、所述样本文本信息以及所述预测文本信息，通过所述文本识别模型对应的预设损失函数，计算得到所述目标损失值。

5.根据权利要求4所述的方法，其特征在于，所述预设损失函数包括第一损失函数和第二损失函数；所述根据所述第一预设权重值、所述第二预设权重值、所述样本文本信息以及所述预测文本信息，通过所述文本识别模型对应的预设损失函数，计算得到所述目标损失值包括：

根据所述第一预设权重值、所述样本文本内容以及所述预测文本内容，通过所述第一损失函数，计算得到第一损失值；

根据所述第二预设权重值、所述样本位置信息以及所述预测位置信息，通过所述第二损失函数，计算得到第二损失值；

将所述第一损失值和所述第二损失值的和值，作为所述目标损失值。

6.根据权利要求2所述的方法，其特征在于，在所述通过所述样本集对目标神经网络模型进行训练，得到所述文本识别模型前，所述方法还包括：

针对所述样本集中的每个所述样本图像，按照预设图像尺寸对所述样本图像进行预处理，得到所述样本图像对应的目标样本图像；

所述通过所述样本集对目标神经网络模型进行训练，得到所述文本识别模型包括：

根据多个所述目标样本图像和每个所述样本图像对应的样本文本信息对所述目标神经网络模型进行训练，得到所述文本识别模型。

7.一种文本识别装置，其特征在于，所述装置包括：

文本图像获取模块，用于获取待识别的文本图像；

输出模块，用于将所述文本图像输入预先训练的文本识别模型，输出所述文本图像对应的文本内容和所述文本内容中每个字符的位置信息。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

模型训练模块，用于获取样本集，所述样本集包括多个样本图像和每个所述样本图像对应的样本文本信息，所述样本文本信息包括样本文本内容和所述样本文本内容中每个样本字符对应的样本位置信息；通过所述样本集对目标神经网络模型进行训练，得到所述文本识别模型。