[发明专利]文本识别方法、装置、电子设备、存储介质及程序产品

权利要求书

1.一种文本识别的方法，其特征在于，包括：

获取待识别的文本图像；

将所述文本图像输入文本识别模型；其中，所述文本识别模型包括：第一特征提取模块、第二特征提取模块和特征解码模块；

通过所述第一特征提取模块提取所述文本图像的第一特征映射；其中，所述第一特征映射的高度大于或等于1；

通过所述第二特征提取模块提取所述第一特征映射中文本行位置的表征，获得第二特征映射；

通过所述特征解码模块处理所述第二特征映射，获得文本识别输出。

2.如权利要求1所述的方法，其特征在于，所述文本识别模型还包括第三特征提取模块，所述通过所述第一特征提取模块提取所述文本图像的第一特征映射之后，还包括：

通过所述第三特征提取模块提取所述第二特征映射中至少部分文本行内字符上下文信息的表征，获得第三特征映射；

其中，通过所述特征解码模块处理所述第二特征映射，获得文本识别输出，包括：通过所述特征解码模块处理所述第三特征映射，获取所述文本识别输出。

3.如权利要求2所述的方法，其特征在于，所述文本识别模型还包括位置预测模块，所述通过所述第二特征提取模块提取所述第一特征映射中文本行位置的表征，获得第二特征映射之后，还包括：

通过所述位置预测模块获取所述第二特征映射中所有文本行的中心点得分图，所有文本行的左端点得分图，所有文本行的右端点得分图。

4.如权利要求3所述的方法，其特征在于，所述通过所述特征解码模块处理所述第三特征映射，获取所述文本识别输出，包括：

通过所述特征解码模块，根据所述所有文本行的中心点得分图，所述所有文本行的左端点得分图，所述所有文本行的右端点得分图、所述第三特征映射获取所述文本识别输出。

5.如权利要求4所述的方法，其特征在于，所述通过所述特征解码模块，根据所述所有文本行的中心点得分图、所述所有文本行的左端点得分图，所述所有文本行的右端点得分图、所述第三特征映射获取所述文本识别输出，包括：

通过所述特征解码模块，根据所述每个文本行的中心点得分图和所述每个文本行的左端点得分图，或，根据所述每个文本行的中心点得分图和所述每个文本行的右端点得分图，获取斜向文本行所在的斜线经过的第一像素点，进而获得所述斜向文本行在所述斜线上对应的第二像素点；

通过所述特征解码模块，根据所述第二像素点、所述第三特征映射获取所述文本识别输出。

6.如权利要求2所述的方法，其特征在于，所述通过所述第三特征提取模块增强所述第二特征映射中至少部分文本行内字符上下文信息的表征，获得第三特征映射，包括：

对所述第二特征映射对应的特征图中的一行或多行的像素点的多通道特征映射的上下文建模特性进行提取，得到一个或多个像素行的多通道特征映射；

将所有所述一个或多个像素行的多通道特征映射确定为所述第三特征映射。

7.如权利要求1所述的方法，其特征在于，所述第一特征提取模块包括一个或多个残差块。

8.如权利要求1所述的方法，其特征在于，所述第二特征提取模块包括多层相互串联的等宽卷积层。

9.如权利要求2所述的方法，其特征在于，所述第三特征提取模块包括至少两层自注意力层。

10.如权利要求3所述的方法，其特征在于，所述位置预测模块包括多层相互串联的卷积层和多层相互串联的反卷积层。

11.如权利要求1所述的方法，其特征在于，所述特征解码模块的卷积层的卷积核大小与所述第一特征映射的特征图的大小相同。