[发明专利]文本识别方法、装置、可读介质及电子设备在审

专利信息
申请号: 202111316302.6 申请日: 2021-11-08
公开(公告)号: CN114118079A 公开(公告)日: 2022-03-01
发明(设计)人: 张宇轩;林丽;黄灿;王长虎 申请(专利权)人: 北京有竹居网络技术有限公司
主分类号: G06F40/289 分类号: G06F40/289
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 卢夏子
地址: 101299 北京市平*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文本 识别 方法 装置 可读 介质 电子设备
【说明书】:

本公开涉及一种文本识别方法、装置、可读介质及电子设备,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。也就是说,本公开可以通过一个文本识别模型识别文本图像的文本内容,并确定该文本内容中每个字符的位置信息,这样,提高了文本识别的效果。

技术领域

本公开涉及图像处理技术领域,具体地,涉及一种文本识别方法、装置、可读介质及电子设备。

背景技术

随着文本图像识别技术的广泛应用,人们对文本图像识别的要求越来越高,相关技术中,通过基于深度学习的神经网络模型识别文本图像中的文本内容。但是,现有的神经网络模型只能识别文本图像中的文本内容,无法精确定位出文本内容中每个字符的位置信息,导致文本识别的效果比较差。

发明内容

提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。

第一方面,本公开提供一种文本识别方法,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。

第二方面,本公开提供文本识别装置,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。

第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面,本公开提供一种电子设备,包括:

存储装置,其上存储有计算机程序;

处理装置,用于执行所述存储装置中的所述计算机程序,以实现本公开第一方面所述方法的步骤。

通过上述技术方案,通过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。也就是说,本公开可以通过一个文本识别模型识别文本图像的文本内容,并确定该文本内容中每个字符的位置信息,这样,提高了文本识别的效果。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:

图1是根据本公开一示例性实施例提供的一种文本识别方法的流程图;

图2是根据本公开一示例性实施例提供的一种目标文本图像的示意图;

图3是根据本公开一示例性实施例提供的一种输出结果示意图;

图4是根据本公开一示例性实施例提供的一种文本识别模型的训练方法的流程图;

图5是根据本公开一示例性实施例提供的一种目标神经网络模型的示意图;

图6是根据本公开一示例性实施例提供的一种文本识别装置的框图;

图7是根据本公开一示例性实施例提供的第二种文本识别装置的框图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京有竹居网络技术有限公司,未经北京有竹居网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111316302.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top