[发明专利]数据集制作方法、装置、电子设备及存储介质

说明书

本申请提出一种数据集制作方法、装置、电子设备及存储介质。具体实现方案为：将字符图像输入字符位置检测模型进行检测，得到字符图像中的单字符的字符位置信息；根据单字符的字符位置信息和字符图像的内容标注信息，在字符图像上截图，得到单字符图像；将单字符图像输入字符识别模型进行识别，得到识别结果；将识别结果与字符图像的内容标注信息相比对，根据比对结果对字符图像进行筛选；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。本申请实施例使用少量内容标注信息得到大量用于字符图像相似度评估模型的高质量训练数据，节省了大量的人工标注成本，并且利用高质量训练数据可提高字符图像相似度评估模型的预测能力。

技术领域

本申请涉及信息技术领域，尤其涉及一种数据集制作方法、装置、电子设备及存储介质。

背景技术

字符图像相似度评估是图像相似度评估的特定问题。字符图像包括内容是字符、数字或符号的图像。字符图像相似度评估在很多问题中都有非常重要的价值。例如在笔迹对比的应用场景下，可利用字符图像相似度评估模型来鉴别字符图像中的签名笔迹与预留的签名笔迹是否一致。使用神经网络模型等机器学习算法进行字符图像相似度评估的情况下，采用高质量的训练数据集是提高模型的预测能力的关键因素。目前多采用人工标注的方式，获得用于字符图像相似度评估模型训练的数据集。但是人工标注的成本过高，而且人工标注的数据的质量也很难保证。

发明内容

本申请实施例提供一种数据集制作方法、装置、电子设备及存储介质，以解决相关技术存在的问题，技术方案如下：

第一方面，本申请实施例提供了一种数据集制作方法，包括：

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

根据单字符的字符位置信息和字符图像的内容标注信息，在字符图像上截图，得到单字符图像；

将单字符图像输入字符识别模型进行识别，得到识别结果；

将识别结果与字符图像的内容标注信息相比对，根据比对结果对字符图像进行筛选；

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。

在一种实施方式中，根据单字符的字符位置信息和字符图像的内容标注信息，在字符图像上截图，得到单字符图像，还包括：

根据字符位置检测模型检测得到的单字符数量和字符图像的内容标注信息中的单字符数量是否相等，确定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在字符图像上截图的步骤。

在一种实施方式中，根据单字符的字符位置信息和字符图像的内容标注信息，在字符图像上截图，得到单字符图像，包括：

将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字符图像的内容标注信息，在字符图像上截图，得到单字符图像。

在一种实施方式中，将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。

在一种实施方式中，将识别结果与字符图像的内容标注信息相比对，根据比对结果对字符图像进行筛选，包括：

筛选出符合预设条件的字符图像，预设条件包括：从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。

在一种实施方式中，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，还包括：

利用筛选出的字符图像得到组合字符图像；