[发明专利]包含多行文本的图像识别方法、装置及计算机设备

权利要求书

1.一种包含多行文本的图像识别方法，其特征在于，包括：

获取待识别图像；

响应于所述待识别图像为包含多行文本的目标图像，对所述目标图像进行归一化处理，得到归一化后的目标图像；

将所述归一化后的目标图像输入至已训练的文本识别模型，输出字符匹配概率；其中，所述已训练的文本识别模型包括用于对所述归一化后的目标图像进行特征维度分析的数据变换层；

根据所述字符匹配概率，确定所述待识别图像所含多行文本的文本字符。

2.如权利要求1所述的方法，其特征在于，所述已训练的文本识别模型包括特征提取层、数据变换层、分类层以及连接主义时间分类层；其中，

所述将所述归一化后的目标图像输入至已训练的文本识别模型，输出字符匹配概率，包括：

将所述归一化后的目标图像输入至所述已训练的文本识别模型，通过所述特征提取层对所述归一化后的目标图像进行特征提取，得到图像特征图；

通过所述数据变换层对所述图像特征图进行特征维度分析，得到图像矩阵；

通过所述分类层对所述图像矩阵进行字符分类，得到字符分类向量；

通过所述连接主义时间分类层对所述字符分类向量进行损失分析，得到所述字符匹配概率。

3.如权利要求2所述的方法，其特征在于，所述已训练的文本识别模型还包括循环网络层；其中，

在所述通过所述数据变换层对所述图像特征图进行特征维度分析，得到图像矩阵之后，还包括：

通过所述循环网络层对所述图像矩阵进行序列分析，得到目标矩阵向量；其中，所述目标矩阵向量用于通过所述分类层进行字符分类。

4.如权利要求3所述的方法，其特征在于，所述数据变换层包括维度拆分网络、维度交换网络以及维度合并网络；其中，

所述通过所述数据变换层对所述图像特征图进行特征维度分析，得到图像矩阵，包括：

通过所述维度拆分网络对所述图像特征图进行维度拆分，得到拆分后的图像特征图；

通过所述维度交换网络对所述拆分后的图像特征图进行维度交换，得到交换后的图像特征图；

通过所述维度合并网络对所述交换后的图像特征图进行维度合并，得到所述图像矩阵。

5.如权利要求1所述的方法，其特征在于，在所述将所述归一化后的目标图像输入至已训练的文本识别模型之前，还包括：

构建初始的文本识别模型；所述文本识别模型由特征提取层、数据变换层、分类层以及连接主义时间分类层构成；

获取多行文本图像集，并将所述多行文本图像集划分为训练集和测试集；所述多行文本图像集包括多个已标注文本字符的图像；所述文本字符是根据预设的字符序号映射表查询确定的；

使用所述训练集对所述初始的文本识别模型进行训练，得到初步训练后的文本识别模型；

使用所述测试集对所述初步训练后的文本识别模型进行测试调整，得到所述已训练的文本识别模型。

6.如权利要求5所述的方法，其特征在于，所述获取多行文本图像集，包括：

获取多行文本图像，并对所述多行文本图像进行文本字符标注，得到已标注文本字符的多行文本图像，作为候选文本图像；

分析所述候选文本图像的图像格式、图像尺寸和/或图像特征；

根据所述图像格式、所述图像尺寸以及所述图像特征中的至少一个，筛选出满足于预设模型训练条件的候选文本图像，作为目标文本图像；

对所述目标文本图像进行数据扩增，统计得到所述多行文本图像集。

7.如权利要求1所述的方法，其特征在于，所述响应于所述待识别图像为包含多行文本的目标图像，对所述目标图像进行归一化处理，得到归一化后的目标图像，包括：

调用已训练的文本检测模型，所述已训练的文本检测模型包括EAST模型；

将所述待识别图像输入至所述已训练的文本检测模型，得到模型输出结果；

响应于所述模型输出结果为多行文本矩形框，确定所述待识别图像为包含多行文本的目标图像；

基于预设的插值方法，对所述目标图像进行归一化处理，得到所述归一化后的目标图像。