[发明专利]数据集制作方法、装置、电子设备及存储介质

权利要求书

1.一种数据集制作方法，其特征在于，包括：

将字符图像输入字符位置检测模型进行检测，得到所述字符图像中的单字符的字符位置信息；

根据所述单字符的字符位置信息和所述字符图像的内容标注信息，在所述字符图像上截图，得到单字符图像；

将所述单字符图像输入字符识别模型进行识别，得到识别结果；

将所述识别结果与所述字符图像的内容标注信息相比对，根据比对结果对所述字符图像进行筛选；

利用筛选出的字符图像制作用于字符图像相似度评估模型的数据集，包括：利用筛选出的字符图像得到组合字符图像；将所述组合字符图像中的内容标注信息相同的字符图像，作为用于训练字符图像相似度评估模型的数据集的正训练样本对；将所述组合字符图像中的内容标注信息不相同的字符图像，作为用于训练字符图像相似度评估模型的数据集的负训练样本对；利用所述正训练样本对和所述负训练样本对得到用于字符图像相似度评估模型的数据集；其中，所述组合字符图像包括筛选出的字符图像、从筛选出的字符图像中截图得到的单字符图像，以及排列字符图像；所述排列字符图像由至少两个单字符图像组成，并且组成所述排列字符图像的任意一个单字符图像是从筛选出的字符图像中截图得到的单字符图像。

2.根据权利要求1所述的方法，其特征在于，根据所述单字符的字符位置信息和所述字符图像的内容标注信息，在所述字符图像上截图，得到单字符图像，还包括：

根据所述字符位置检测模型检测得到的单字符数量和所述字符图像的内容标注信息中的单字符数量是否相等，确定所述字符位置检测模型的检测结果是否正确；

基于正确的检测结果执行所述在所述字符图像上截图的步骤。

3.根据权利要求1所述的方法，其特征在于，根据所述单字符的字符位置信息和所述字符图像的内容标注信息，在所述字符图像上截图，得到单字符图像，包括：

将所述单字符的字符位置信息进行排序；

根据排序后的单字符的字符位置信息和所述字符图像的内容标注信息，在所述字符图像上截图，得到单字符图像。

4.根据权利要求1所述的方法，其特征在于，将所述单字符图像输入字符识别模型进行识别，得到识别结果，还包括：

按照指定类别对所述单字符图像进行筛选；

将筛选出的指定类别的单字符图像输入字符识别模型。

5.根据权利要求1至4中任一项所述的方法，其特征在于，将所述识别结果与所述字符图像的内容标注信息相比对，根据比对结果对所述字符图像进行筛选，包括：

筛选出符合预设条件的字符图像，所述预设条件包括：从所述字符图像中截图得到的所有单字符图像的识别结果均正确。

6.根据权利要求1至4中任一项所述的方法，其特征在于，所述字符位置检测模型包括EAST模型。

7.根据权利要求1至4中任一项所述的方法，其特征在于，所述字符识别模型包括Le-Net模型。