[发明专利]识别模型的训练方法、装置、设备及存储介质

权利要求书

1.一种识别模型的训练方法，其特征在于，所述识别模型的训练方法包括以下步骤：

获取待训练图像，根据所述待训练图像构造仿真图像；

根据所述待训练图像和所述仿真图像确定训练数据集；

基于所述训练数据集，通过预设神经网络模型中的生成对抗网络和识别网络训练得到识别模型。

2.如权利要求1所述的识别模型的训练方法，其特征在于，所述识别模型为文字识别模型，所述根据所述待训练图像构造仿真图像的步骤包括：

获取所述待训练图像对应的标签文字，根据所述标签文字生成含有生僻字的目标语料库；

获取所述待训练图像对应的背景图像，根据所述目标语料库和所述背景图像构造得到仿真图像。

3.如权利要求2所述的识别模型的训练方法，其特征在于，所述获取所述待训练图像对应的标签文字，根据所述标签文字生成含有生僻字的目标语料库的步骤包括：

获取所述待训练图像对应的标签文字，根据所述标签文字构造得到原始语料库；

确定所述原始语料库对应的生僻字，以及获取所述生僻字对应的上下文；

将所述生僻字和所述生僻字对应上下文添加至所述原始语料库中，得到目标语料库。

4.如权利要求2所述的识别模型的训练方法，其特征在于，所述确定所述原始语料库对应的生僻字的步骤之后，还包括：

将所述生僻字插入所述标签文字中，以更新所述原始语料库中的标签文字，得到目标语料库。

5.如权利要求2所述的识别模型的训练方法，其特征在于，所述获取所述待训练图像对应的背景图像，根据所述目标语料库和所述背景图像构造得到仿真图像的步骤包括：

获取所述待训练图像中无文字对应的背景图像，并在所述目标语料库中获取所述背景图像对应的目标文字串；

根据所述目标文字串对应的文字字体确定仿真图像中标签文字的仿真字体；

将所述目标文字串以所述仿真字体的形式嵌入对应的所述背景图像中，以构造得到仿真图像。

6.如权利要求5所述的识别模型的训练方法，其特征在于，所述将所述目标文字串以所述仿真字体的形式嵌入对应的所述背景图像中，以构造得到仿真图像的步骤包括：

将所述目标文字串以所述仿真字体的形式嵌入所述背景图像中，得到初始图像；

对所述初始图像进行加噪声处理，以构造得到仿真图像。

7.如权利要求1所述的识别模型的训练方法，其特征在于，所述基于所述训练数据集，通过预设神经网络模型中的生成对抗网络和识别网络训练得到识别模型的步骤包括：

固定预设神经网络模型中的生成对抗网络，并基于所述训练数据集，采用梯度下降算法优化所述神经网络模型中识别网络，使生成对抗网络将所述训练数据集中的仿真图像通过所述生成对抗网络后得到的隐层数据被判定为真实数据，其中，所述生成对抗网络为所述识别网络的分支；

固定所述识别网络，采用梯度下降算法使所述生成对抗网络将所述训练数据集中的仿真图像判定为仿真数据，将所述待训练图像判定为真实数据，以训练得到识别模型。

8.如权利要求1至7任一项所述的识别模型的训练方法，其特征在于，所述识别模型为光学字符识别OCR识别模型，所述基于所述训练数据集，通过预设神经网络模型中的生成对抗网络和识别网络训练得到识别模型的步骤之后，还包括：

当接收到待识别图像后，将所述待识别图像输入至所述OCR识别模型中；

根据所述OCR识别模型的输出结果确定所述待识别图像中的文字。

9.一种识别模型的训练装置，其特征在于，所述识别模型的训练装置包括：

获取模块，用于获取待训练图像；

构造模块，用于根据所述待训练图像构造仿真图像；

确定模块，用于根据所述待训练图像和所述仿真图像确定训练数据集；

训练模块，用于基于所述训练数据集，通过预设神经网络模型中的生成对抗网络和识别网络训练得到识别模型。