[发明专利]用于输出信息的方法和装置

权利要求书

1.一种用于输出信息的方法，包括：

获取包含目标文本行的目标图像；

将所述目标图像输入预先训练的文本行分割模型中，得到所述目标文本行中至少一个位置对应的至少一个概率，其中，所述文本行分割模型用于表征包含文本行的图像与文本行中至少一个位置对应的至少一个概率之间的对应关系，概率用于确定位置是否为文本行的分割点；

基于所得到的至少一个概率，输出所述目标文本行的分割点的分割点信息。

2.根据权利要求1所述的方法，其中，所述方法还包括：

按照所述分割点信息所指示的分割点，对所述目标文本行进行分割。

3.根据权利要求1所述的方法，其中，所述文本行分割模型为卷积神经网络；以及

所述文本行分割模型是通过如下第一训练步骤训练得到的：

确定初始卷积神经网络的网络结构以及初始化所述初始卷积神经网络的网络参数；

获取训练样本集，其中，训练样本包括包含样本文本行的样本图像和样本文本行中至少一个位置对应的至少一个概率；

将所述训练样本集中的训练样本中包含样本文本行的样本图像和样本文本行中至少一个位置对应的至少一个概率分别作为所述初始卷积神经网络的输入和期望输出，利用机器学习方法训练所述初始卷积神经网络；

将训练得到的所述初始卷积神经网络确定为文本行分割模型。

4.根据权利要求1所述的方法，其中，所述文本行分割模型为卷积神经网络；以及

所述文本行分割模型是通过如下第二训练步骤训练得到的：

确定初始卷积神经网络的网络结构以及初始化所述初始卷积神经网络的网络参数；

获取训练样本集，其中，训练样本包括包含样本文本行的样本图像和样本文本行中至少一个位置对应的至少一个概率；

将包含目标文本行的目标图像作为样本图像，以及将目标文本行中至少一个位置对应的至少一个预设的标签概率作为样本文本行中至少一个位置对应的至少一个概率添加到所述训练样本集中；

将添加后的训练样本集中的训练样本中包含样本文本行的样本图像和样本文本行中至少一个位置对应的至少一个概率分别作为所述初始卷积神经网络的输入和期望输出，利用机器学习方法训练所述初始卷积神经网络；

将训练得到的所述初始卷积神经网络确定为文本行分割模型。

5.根据权利要求4所述的方法，其中，预设的标签概率是通过如下步骤确定的：

将所述目标文本行中符合第一预设条件的位置确定为第一目标位置，将所述第一目标位置对应的标签概率设置为预设第一标签值；

将所述目标文本行中符合第二预设条件的位置确定为第二目标位置，将所述第二目标位置对应的标签概率设置为预设第二标签值；

针对所述目标文本行中至少一个字符中的字符，基于该字符中第一目标位置和该字符中第二目标位置，确定该字符中第三目标位置对应的标签概率，其中，所述第三目标位置位于该字符中第一目标位置与该字符中第二目标位置之间。

6.根据权利要求5所述的方法，其中，所述基于该字符中第一目标位置和该字符中第二目标位置，确定该字符中第三目标位置对应的标签概率，包括：

将该字符中第二目标位置与该字符中第一目标位置之间的距离之差的绝对值确定为第一差值；

将该字符中第三目标位置与该字符中第一目标位置之间的距离之差的绝对值确定为第二差值；

确定所述第二差值与所述第一差值的比值，以及将预设数值与所述比值之差确定为该字符中第三目标位置对应的标签概率。

7.根据权利要求1所述的方法，其中，在所述获取包含目标文本行的目标图像之前，所述方法还包括：

对包含目标文本行的图像进行处理，生成目标图像。

8.根据权利要求7所述的方法，其中，所述对包含目标文本行的图像进行处理，包括：

将包含目标文本行的图像的高度调整为预设像素。