[发明专利]一种基于视觉语言建模网络的场景文字识别方法有效
| 申请号： | 202011502420.1 | 申请日： | 2020-12-18 |
| 公开（公告）号： | CN112541501B | 公开（公告）日： | 2021-09-07 |
| 发明（设计）人： | 张勇东;王裕鑫;谢洪涛;柳轩 | 申请（专利权）人： | 北京中科研究院;中国科学技术大学;人民网股份有限公司 |
| 主分类号： | G06K9/32 | 分类号： | G06K9/32;G06K9/62;G06N5/04 |
| 代理公司： | 北京凯特来知识产权代理有限公司 11260 | 代理人： | 郑立明;韩珂 |
| 地址： | 100193 北京*** | 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： | 本发明公开了一种基于视觉语言建模网络的场景文字识别方法，训练过程中，通过使视觉模型直接在被遮挡的文字图像特征中识别完整的词级结果，引导视觉模型根据视觉上下文信息推理出被遮挡的文字内容，从而赋予视觉模型语言能力；因此，在不需要引入额外语言模型结构的情况下，视觉模型自适应地在视觉上下文中捕捉语言信息来增强视觉特征，从而提升识别能力。并且，整个字符级掩码的生成过程只需要原有的词级标注，不需要引入额外的标注信息；测试过程中只使用了主干网络和视觉语义推理模块进行识别，因此位置感知的掩码生成模块只在训练过程中使用，不引入额外的计算开销。 | ||
| 搜索关键词： | 一种 基于 视觉 语言 建模 网络 场景 文字 识别 方法 | ||
【主权项】：
暂无信息
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中科研究院;中国科学技术大学;人民网股份有限公司，未经北京中科研究院;中国科学技术大学;人民网股份有限公司许可，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/patent/202011502420.1/，转载请声明来源钻瓜专利网。
