[发明专利]手写模型训练方法、文本识别方法、装置、设备及介质

说明书

本发明公开了一种手写模型训练方法、文本识别方法、装置、设备及介质。该手写模型训练方法包括：获取规范中文文本训练样本，将所述规范中文文本训练样本输入到双向长短时记忆神经网络中，基于连续时间分类算法进行训练，获取总误差因子，并根据总误差因子采用粒子群算法更新网络参数，获取规范中文文本识别模型；获取并采用非规范中文文本训练样本，训练获取调整中文手写文本识别模型；获取并采用待测试中文文本样本得到出错文本训练样本；采用出错文本训练样本更新中文手写文本识别模型的网络参数，获取目标中文手写文本识别模型。采用该手写模型训练方法，能够得到识别手写文本识别率高的目标中文手写文本识别模型。

技术领域

本发明涉及中文文本识别领域，尤其涉及一种手写模型训练方法、文本识别方法、装置、设备及介质。

背景技术

采用传统文本识别方法在识别较为潦草的非规范文本(手写中文文本)时，识别的精确度不高，使得其识别效果不理想。传统文本识别方法很大程度上只能识别规范文本，对实际生活中各种各样的手写文本进行识别时，准确率较低。

发明内容

本发明实施例提供一种手写模型训练方法、装置、设备及介质，以解决当前手写中文文本识别准确率不高的问题。

一种手写模型训练方法，包括：

获取规范中文文本训练样本，将所述规范中文文本训练样本输入到双向长短时记忆神经网络中，基于连续时间分类算法进行训练，获取双向长短时记忆神经网络的总误差因子，根据双向长短时记忆神经网络的总误差因子，采用粒子群算法更新双向长短时记忆神经网络的网络参数，获取规范中文文本识别模型；

获取非规范中文文本训练样本，将所述非规范中文文本训练样本输入到所述规范中文文本识别模型中，基于连续时间分类算法进行训练，获取规范中文文本识别模型的总误差因子，根据规范中文文本识别模型的总误差因子，采用粒子群算法更新所述规范中文文本识别模型的网络参数，获取调整中文手写文本识别模型；

获取待测试中文文本样本，采用所述调整中文手写文本识别模型识别所述待测试中文文本样本，获取识别结果与真实结果不符的出错文本，把所有所述出错文本作为出错文本训练样本；

将所述出错文本训练样本输入到所述调整中文手写文本识别模型中，基于连续时间分类算法进行训练，获取调整中文手写文本识别模型的总误差因子，根据调整中文手写文本识别模型的总误差因子，采用粒子群算法更新调整中文手写文本识别模型的网络参数，获取目标中文手写文本识别模型。

一种手写模型训练装置，包括：

规范中文文本识别模型获取模块，用于获取规范中文文本训练样本，将所述规范中文文本训练样本输入到双向长短时记忆神经网络中，基于连续时间分类算法进行训练，获取双向长短时记忆神经网络的总误差因子，根据双向长短时记忆神经网络的总误差因子，采用粒子群算法更新双向长短时记忆神经网络的网络参数，获取规范中文文本识别模型；

调整中文手写文本识别模型获取模块，用于获取非规范中文文本训练样本，将所述非规范中文文本训练样本输入到所述规范中文文本识别模型中，基于连续时间分类算法进行训练，获取规范中文文本识别模型的总误差因子，根据规范中文文本识别模型的总误差因子，采用粒子群算法更新所述规范中文文本识别模型的网络参数，获取调整中文手写文本识别模型；

出错文本训练样本获取模块，用于获取待测试中文文本样本，采用所述调整中文手写文本识别模型识别所述待测试中文文本样本，获取识别结果与真实结果不符的出错文本，把所有所述出错文本作为出错文本训练样本；

目标中文手写文本识别模型获取模块，用于将所述出错文本训练样本输入到所述调整中文手写文本识别模型中，基于连续时间分类算法进行训练，获取调整中文手写文本识别模型的总误差因子，根据调整中文手写文本识别模型的总误差因子，采用粒子群算法更新调整中文手写文本识别模型的网络参数，获取目标中文手写文本识别模型。