[发明专利]一种场景文字识别方法、装置、存储介质及终端

权利要求书

1.一种场景文字识别方法，其特征在于，所述方法包括：

获取目标场景文字图片；

将所述目标场景文字图片输入预设主干网络模型中生成特征图；

将所述目标场景文字图片输入预设字符锚定池化模型中，获取所述特征图对应的字符特征序列；

将所述字符特征序列输入预设编解码模型中生成文字。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标场景文字图片输入预设字符锚定池化模型中，获取所述特征图对应的字符特征序列，包括：

当接收到目标场景文字图片时，获取预设字符锚定池化模型中字符锚定模块和锚定池模块；

将所述目标场景文字图片输入所述字符锚定模块中生成字符锚定线；

基于所述锚定池模块和所述字符锚定线获取所述特征图对应的字符特征序列。

3.根据权利要求1所述的方法，其特征在于，所述获取目标场景文字图片之前，还包括：

创建主干网络模型、字符锚定池化模型和编解码模型；

采集合成的场景文字图片和真实场景文字图片作为训练样本；

将所述训练样本输入所述主干网络模型、字符锚定池化模型和编解码模型中进行训练生成训练后的主干网络模型、字符锚定池化模型和编解码模型。将所述训练后的主干网络模型、字符锚定池化模型和编解码模型作为预设主干网络模型、预设字符锚定池化模型和预设编解码模型。

4.根据权利要求1所述的方法，其特征在于，所述特征图的提取方式至少包括最邻近值插值、双线性插值、三次内插法中的一种方式。

5.根据权利要求3所述的方法，其特征在于，所述采集合成的场景文字图片中，所述场景文字图片由python的pygame进行渲染，所述场景文字图片中文字的字体使用google公开的字体库。

6.一种场景文字识别装置，其特征在于，所述装置包括：

图片获取模块，用于获取目标场景文字图片；

特征图生成模块，用于将所述目标场景文字图片输入预设主干网络模型中生成特征图；

字符特征序列获取模块，用于将所述目标场景文字图片输入预设字符锚定池化模型中，获取所述特征图对应的字符特征序列；

文字生成模块，用于将所述字符特征序列输入预设编解码模型中生成文字。

7.根据权利要求6所述的装置，其特征在于，所述字符特征序列获取模块，包括：

模块获取单元，用于当接收到目标场景文字图片时，获取预设字符锚定池化模型中字符锚定模块和锚定池模块；

字符锚定线生成单元，用于将所述目标场景文字图片输入所述字符锚定模块中生成字符锚定线；

字符特征序列生成单元，用于基于所述锚定池模块和所述字符锚定线获取所述特征图对应的字符特征序列。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

模型创建模块，用于创建主干网络模型、字符锚定池化模型和编解码模型；

样本采集模块，用于采集合成的场景文字图片和真实场景文字图片作为训练样本；

模型生成模块，用于将所述训练样本输入所述主干网络模型、字符锚定池化模型和编解码模型中进行训练生成训练后的主干网络模型、字符锚定池化模型和编解码模型。将所述训练后的主干网络模型、字符锚定池化模型和编解码模型作为预设主干网络模型、预设字符锚定池化模型和预设编解码模型。

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1～5任意一项的方法步骤。

10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～5任意一项的方法步骤。