[发明专利]一种特征分类模型获得系统、方法、装置以及电子设备

说明书

本申请提供一种目标特征分类模型获得方法，包括：获得样本文本图像，并获得所述样本文本图像中的字符对应的字符类别标注信息，所述字符类别标注信息为针对所述样本文本图像中的字符对应的字符类别的标注信息；根据所述字符类别标注信息、所述样本文本图像特征图以及所述字符特征信息，获得的第一特征分类模型；根据所述字符类别标注信息以及所述样本文本图像特征图对所述第一特征分类模型进行模型训练，获得用于根据指定文本图像对应的指定文本图像特征图、获得所述指定文本图像中的字符对应的字符类别的第二特征分类模型。本申请的特征分类模型获得方法，无需针对样本文本图像中的字符进行字符像素级别的标注，降低了文本识别的成本。

技术领域

本申请涉及计算机技术领域，具体涉及一种特征分类模型获得系统以及获得方法。本申请同时涉及一种目标特征分类模型获得装置、电子设备以及存储介质。本申请还涉及一种文本识别方法、装置、电子设备以及存储介质。

背景技术

在日常生活、工作中，往往需要处理大量的文本数据，为了提高对文本数据的处理效率，文字识别方法已成为了计算机视觉技术中的一项重要研究主题。

现有技术中，基于密集预测的文本识别方法是一种主流的文字识别方法。现有基于密集预测的文本识别方法，在文本识别前需要对预先训练用于字符分类的特征分类模型。但是，现有基于密集预测的文本识别方法，在训练特征分类模型需要对样本文本图像中的每个字符进行字符像素级别的标注，这样，很大程度地增加了文本识别的成本。

发明内容

本申请提供一种特征分类模型获得系统以及方法、装置、电子设备以及存储介质，以降低文本识别的成本。

本申请提供一种特征分类模型获得系统，包括：平台服务端和用户终端；

所述平台服务端，用于获得所述用户终端发送的样本文本图像，并获得所述样本文本图像中的字符对应的字符类别标注信息，所述字符类别标注信息为针对所述样本文本图像中的字符对应的字符类别的标注信息；针对所述样本文本图像，获得所述样本文本图像对应的样本文本图像特征图，并获得所述样本文本图像中的字符在所述样本文本图像特征图中对应的字符特征信息；根据所述字符类别标注信息、所述样本文本图像特征图以及所述字符特征信息，获得所述文本图像中的字符对应的字符类别的第一特征分类模型；根据所述字符类别标注信息以及所述样本文本图像特征图对所述第一特征分类模型进行模型训练，获得用于根据指定文本图像对应的指定文本图像特征图、获得所述指定文本图像中的字符对应的字符类别的第二特征分类模型；将所述第二特征分类模型提供给所述用户终端；

所述用户终端用于向所述平台服务端发送所述样本文本图像；获得所述平台服务端发送的所述第二特征分类模型。

本申请提供一种特征分类模型获得方法，包括：

获得样本文本图像，并获得所述样本文本图像中的字符对应的字符类别标注信息，所述字符类别标注信息为针对所述样本文本图像中的字符对应的字符类别的标注信息；

针对所述样本文本图像，获得所述样本文本图像对应的样本文本图像特征图，并获得所述样本文本图像中的字符在所述样本文本图像特征图中对应的字符特征信息；

根据所述字符类别标注信息、所述样本文本图像特征图以及所述字符特征信息，获得用于根据文本图像对应的文本图像特征图以及所述文本图像中的字符在所述文本图像特征图中对应的字符特征信息、获得所述文本图像中的字符对应的字符类别的第一特征分类模型；

根据所述字符类别标注信息以及所述样本文本图像特征图对所述第一特征分类模型进行模型训练，获得用于根据指定文本图像对应的指定文本图像特征图、获得所述指定文本图像中的字符对应的字符类别的第二特征分类模型。

可选的，所述获得样本文本图像，并获得所述样本文本图像中的字符对应的字符类别标注信息，包括：

获得初始样本文本图像；