[发明专利]文本识别模型的训练方法、文本识别方法和电子设备

说明书

本公开提供了文本识别模型的训练方法、文本识别方法和电子设备，涉及图像处理技术领域，以解决现有技术中对带文字的图片编码再解码得到识别结果时，图片中包含的文字存在差异，导致识别的准确率较低的问题。该训练方法包括：获取训练文本图像和训练文本图像的标记结果；其中，训练文本图像包括至少一种文本类别的文本内容，不同文本类别的文本内容不同；将训练文本图像输入至预设识别模型进行处理，确定训练文本图像的预测结果；基于预测结果和标记结果，对预设识别模型进行训练，直到预设识别模型收敛，得到文本识别模型。

技术领域

本公开涉及图像处理技术领域，尤其涉及文本识别模型的训练方法、文本识别方法和电子设备。

背景技术

目前，在自然场景文字识别中，需要从带文字的图片中识别出字符序列(对于中文，一个字符便是一个汉字，对于英文，一个字符便是一个字母)。如：先将带文字的图片编码，再进行序列解码得到字符序列。但在具体应用过程中，由于图片中包含的文字存在差异，导致识别的准确率较低。

发明内容

本公开提供了文本识别模型的训练方法、文本识别方法和电子设备，以解决现有技术中对带文字的图片编码再解码得到识别结果时，图片中包含的文字存在差异，导致识别的准确率较低的问题。

为了实现上述目的，本公开提供技术方案如下：

第一方面，本公开提供的文本识别模型的训练方法，包括：获取训练文本图像和训练文本图像的标记结果；其中，训练文本图像包括至少一种文本类别的文本内容，不同文本类别的文本内容不同；将训练文本图像输入至预设识别模型进行处理，确定训练文本图像的预测结果；基于预测结果和标记结果，对预设识别模型进行训练，直到预设识别模型收敛，得到文本识别模型。

在一些可实施的示例中，将训练文本图像输入至预设识别模型进行处理，确定训练文本图像的预测结果，包括：根据训练文本图像，确定训练文本图像对应的第一张量和第二张量；其中，第一张量的维度大于第二张量的维度；将第一张量输入至预先配置的分类器中，确定训练文本图像的预测类别；其中，预测类别为文本类别中的任一项；将第二张量输入至预先配置的识别头中，确定训练文本图像在每个文本类别对应的第一概率矩阵；其中，一个文本类别对应一个识别头，一个文本类别对应一个第一解码算法；根据预测类别对应的第二解码算法，对训练文本图像归属的文本类别对应的第一概率矩阵进行解码，确定预测结果。

在一些可实施的示例中，根据训练文本图像，确定训练文本图像对应的第一张量和第二张量，包括：对训练文本图像进行特征提取，确定提取特征后的第一图像；对第一图像进行硬编码，确定第一图像对应的第一张量；对第一张量进行维度压缩，确定压缩维度后的第二张量。

在一些可实施的示例中，将第一张量输入至预先配置的分类器中，确定训练文本图像的预测类别，包括：将第一张量输入至预先配置的分类器中，确定训练文本图像在每个文本分类对应的分类概率。根据分类概率，确定训练文本图像的预测类别为最大的分类概率对应的文本分类。

在一些可实施的示例中，根据预测类别对应的第二解码算法，对训练文本图像归属的文本类别对应的第一概率矩阵进行解码，确定预测结果，包括：根据预测类别对应的第二解码算法，对训练文本图像归属的文本类别对应的第一概率矩阵进行解码，确定第一序列；在预先配置的字典库中查询与第一序列相匹配的字符序列，确定预测结果为字符序列对应的字符。

在一些可实施的示例中，基于预测结果和标记结果，对预设识别模型进行训练，直到预设识别模型收敛，得到文本识别模型，包括：根据分类器对应的第一损失函数、预测类别和标记结果，确定第一损失值；根据预测类别对应的第二损失函数、预测结果和标记结果，确定第二损失值；基于第一损失值调整分类器的网络参数，基于第二损失值调整预设识别模型的网络参数，返回执行将训练文本图像输入至预设识别模型进行处理，确定训练文本图像的预测结果，直到分类器和识别头均收敛时，得到文本识别模型。