[发明专利]图像文本识别方法、装置、计算机设备及计算机存储介质

权利要求书

1.一种图像文本识别方法，其特征在于，所述方法包括：

获取待识别图像，对所述待识别图像进行预处理，得到目标识别图像；

基于预先训练的文本区域检测模型，确定所述目标识别图像中文本区域的位置信息以及文本区域的分类标签；

将所述目标识别图像以及所述目标识别图像中文本区域的位置信息输入至预先训练的文本识别模型中，得到各个分类标签下文本区域中的文本信息，形成具有分类标识的文本字段；

利用预先构建的各个分类标识对应的文本校验库，对所述具有分类标识的文本字段进行校验。

2.根据权利要求1所述的方法，其特征在于，在所述利用预先构建的各个分类标识对应的文本校验库，对所述具有分类标识的文本字段进行校验之前，所述方法还包括：

将收集词典样本转换为编码表示后输入至第一网络模型进行训练，得到文本映射模型；

所述第一网络模型中包括多层结构，所述将收集词典样本转换为编码表示后输入至第一网络模型进行训练，得到文本映射模型，具体包括：

通过所述第一网络模型的输入层对所述编码表示的文本字段样本进行概率预测，生成每个文本字段样本的概率分布；

通过所述第一网络模型的隐含层根据每个文本字段样本的概率分布，训练每个文本字段样本作为输出字段的权重，得到文本字段的映射矩阵；

通过所述第一网络模型的全连接层对所述文本字段的映射矩阵中的权重进行调整，得到文本映射模型。

3.根据权利要求2所述的方法，其特征在于，所述预先构建的各个分类标识对应的文本校验库中各个分类标识下文本字段的表示形式为向量值；在所述利用预先构建的各个分类标识对应的文本校验库，对所述具有分类标识的文本字段进行校验之前，所述方法还包括：

利用预先训练的文本映射模型，将所述具有分类标识的文本字段进行编码表示后，得到具有分类标识的文本字段的向量值。

4.根据权利要求3所述的方法，其特征在于，所述利用预先构建的各个分类标识对应的文本校验库，对所述具有分类标识的文本字段进行校验，具体包括：

通过将所述具有分类标识的文本字段的向量值与所述文本校验库中相应分类标识下文本字段对应的向量值进行相似度匹配；

根据所述相似度匹配所得到的值，对所述具有分类标识的文本字段进行校验。

5.根据权利要求4所述的方法，其特征在于，所述根据所述相似度匹配所得到的值，对所述具有分类标识的文本字段进行校验，具体包括：

若所述相似度匹配所得到的值大于预设阈值，则将所述具有分类标识的文本字段输出为文本识别结果；

若所述相似度匹配所得到的值小于或等于预设阈值，则将所述具有分类标识的文本字段输出为文本校验结果。

6.根据权利要求1-5中任一项所述的方法，其特征在于，在所述基于预先训练的文本区域检测模型，确定所述目标识别图像中文本区域的位置信息以及文本区域的分类标签之前，所述方法还包括：

将收集的图像样本数据进行文本区域标注以及分类标注后输入至第二网络模型中进行训练，得到文本区域检测模型；

所述第二网络模型中包括多层结构，所述将收集的图像样本数据进行文本区域标注以及分类标注后输入至第二网络模型中进行训练，得到文本区域检测模型，具体包括：

通过所述第二网络模型的卷积层提取图像样本数据对应的图像区域特征；

通过所述第二网络模型的预测层利用多尺度的候选文本框预测图像样本数据对应的图像区域特征的边界框，确定图像样本数据中的文本区域；

通过所述第二网络模型的逻辑回归层根据所述文本区域的分类标签对所述图像样本数据中的文本区域所属类别进行分类，得到文本区域的位置信息以及文本区域的分类标签。

7.根据权利要6所述的方法，其特征在于，在所述将收集的图像样本数据进行文本区域标注以及分类标注后输入至第二网络模型中进行训练，得到文本区域检测模型之后，所述方法还包括：

利用图像样本数据进行文本区域标注以及分类标注后的标注数据，采用预先设置的损失函数对所述文本区域检测模型中多层结构进行参数调整。