[发明专利]文本识别方法、装置、设备和存储介质

说明书

本公开涉及一种文本识别方法、装置、设备和存储介质。该方法包括将获取的预设对象图像输入渐进式扩展网络进行分割以获取包括不规则文本区域的目标分割图像；利用薄板样条插值算法对目标对象图像进行矫正，利用文本识别模型识别矫正后的水平对象文本图像。可以实现对预设对象图像的像素级分割以有效检测各种形状的文本区域，并且通过将不规则文本区域进行矫正得到水平文本区域以用于识别，可以避免直接对不规则文本识别导致的文本失序问题、以及对不规则文本的大量标注工作，可以用水平文本图像进行训练的文本识别模型泛化能力也更强。另外，具体通过TPS算法实现矫正，可以适用更复杂的应用场景，鲁棒性更好。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种文本识别方法、装置、设备和存储介质。

背景技术

目前OCR(Optical Character Recognition，光学字符识别)技术应用广泛，OCR技术在文本检测时，检测出的文本区域一般为矩形框、旋转矩形框或四点矩形框，如图1所示，这种检测方式，针对不规则文本(例如弯曲文本)，检测出的文本区域会包括大量背景区域，对文本的识别会造成很大干扰。并且现有的文本识别方法，例如卷积递归神经网络CRNN(Convolutional Recurrent Neural Network)识别方法，仅对矩形文本图像识别效果较好，对于包括大量背景的文本图像则无法识别。

另外，现有的对于不规则文本的识别方法包括注意力模型(Attention model)和极坐标矫正方法，其中，注意力模型可以识别2D结构信息的文本(如公式)，可以应用于不规则文本的识别，但需要的训练数据量较大，且较难通过模拟数据来构造，同时，会引入文本字符顺序混乱的问题。极坐标矫正方法是将弧形文本恢复成直线形文本再进行文本识别，该方法对于光照，畸变以及复杂场景缺乏鲁棒性。

现在很多线上业务的云端操作中，会对图像中的某类对象的文本进行识别和鉴定，比如对公文、票据和证照等图像中的印章的文本进行识别和鉴定，而印章中一般会包括不规则文本(比如弯曲文本、T形文本等)，由上述分析可知，现有的文本识别技术均不能有效的识别印章中的不规则文本。

发明内容

有鉴于上述存在的技术问题，本公开提出了一种文本识别方法、装置、设备和存储介质。可以有效识别文本。

根据本公开的一方面，提供了一种文本识别方法，该方法包括：

获取待识别图像中包括不规则文本的预设对象图像；

将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像；

从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像；

利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像；

将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。

根据本公开的另一方面，提供了一种文本识别装置，该装置包括：

预设对象图像获取模块，用于获取待识别图像中包括不规则文本的预设对象图像；

目标分割图像获取模块，用于将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像；

目标对象图像提取模块，用于从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像；

水平对象文本图像获取模块，用于利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像；

文本识别结果获取模块，用于将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。