[发明专利]一种文字识别的方法及装置

说明书

本发明实施例提出一种文字识别的方法及装置。所述方法包括：获得待识别的目标图像，以及与所述目标图像上的文字对应的语种信息；将所述目标图像和所述语种信息输入融合语种信息的文字识别模型，获得识别结果。本发明实施例能够通过融合语种信息的文字识别模型，对多个语种的文字图片进行文字识别，适用范围广，简化模型部署。

技术领域

本发明涉及计算机技术领域，尤其涉及一种文字识别的方法及装置。

背景技术

目前，利用计算机对图片中的文字进行识别，是模式识别应用的一个重要领域。人们在生产和生活中，要处理大量的文字、报表和文本。计算机识别文字，减轻了人们的劳动，提高了处理效率。

文字识别一般包括文字信息的采集、信息的分析与处理等几个部分。现有技术的文字识别，面临多语种文字识别的问题，不能够有效地实现多语种文字识别。

发明内容

本发明实施例提供一种文字识别的方法及装置，以解决现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种文字识别方法，包括：

获得待识别的目标图像，以及与所述目标图像上的文字对应的语种信息；

将所述目标图像和所述语种信息输入融合语种信息的文字识别模型，获得识别结果。

在一种实施方式中，所述融合语种信息的文字识别模型包括图像编码器、语种编码器和解码器，所述将所述目标图像和所述语种信息输入融合语种信息的文字识别模型，获得识别结果，包括：

将所述目标图像输入所述图像编码器进行图像特征编码，得到图像特征；

将所述语种信息输入所述语种编码器进行目标嵌入，得到语种特征；

将所述图像特征和所述语种特征进行拼接，得到拼接的向量；

将所述拼接的向量输入所述解码器进行解码，获得所述识别结果。

在一种实施方式中，将所述拼接的向量输入所述解码器进行解码，包括：

将所述拼接的向量输入所述解码器，利用注意力机制对所述拼接的向量进行解码，获得每个字符对应的解码向量。

在一种实施方式中，所述目标图像为行图像；所述图像编码器包括卷积神经网络，所述卷积神经网络包括卷积层结合池化层形成的结构、以及双向长短期记忆网络；将所述目标图像输入所述图像编码器进行图像特征编码，得到图像特征，包括：

将所述行图像输入所述卷积层结合池化层形成的结构进行前向传播，得到所述行图像的矩阵第一矩阵；

将所述第一矩阵在所述双向长短期记忆网络进行转化得到所述图像特征。

在一种实施方式中，将所述目标图像和所述语种信息输入融合语种信息的文字识别模型，获得识别结果之后，还包括：

通过损失函数计算所述识别结果和所述文字的真实内容之间的差异；

根据所述差异，优化所述融合语种信息的文字识别模型。

第二方面，本发明提供一种文字识别装置，包括：

图像获取模块：用于获得待识别的目标图像；

语种信息获取模块：用于获得与所述目标图像上的文字对应的语种信息；

识别模块：用于将所述目标图像和所述语种信息输入融合语种信息的文字识别模型，获得识别结果。

在一种实施方式中，所述融合语种信息的文字识别模型包括图像编码器、语种编码器和解码器，所述识别模块包括：