[发明专利]一种文字识别方法、装置、电子设备及存储介质

权利要求书

1.一种文字识别方法，包括：

获取测试任务对应的测试样本文字图片和对应的测试样本文字；

根据所述测试样本文字图片和所述测试样本文字对预先训练好的元学习模型进行微调，得到测试任务模型；

获取所述测试任务对应的测试文字图片；

将所述测试文字图片输入至所述测试任务模型，生成所述测试文字图片对应的测试文字。

2.根据权利要求1所述的文字识别方法，还包括：

获取训练任务对应的第一训练样本文字图片和对应的第一训练样本文字；

根据所述第一训练样本文字图片和所述第一训练样本文字对待训练的元学习模型进行训练，得到训练任务模型；

获取所述训练任务对应的第二训练样本文字图片和对应的第二训练样本文字；

根据所述第二训练样本文字图片、所述第二训练样本文字和所述训练任务模型对所述待训练的元学习模型进行更新，得到所述训练好的元学习模型。

3.根据权利要求2所述的文字识别方法，其中，所述根据所述第二训练样本文字图片、所述第二训练样本文字和所述训练任务模型对所述待训练的元学习模型进行更新，得到所述训练好的元学习模型，包括：

将所述第二训练样本文字图片输入至所述训练任务模型，生成所述第二训练样本文字图片对应的预测训练样本文字；

根据所述预测训练样本文字和所述第二训练样本文字对所述待训练的元学习模型进行更新，得到所述训练好的元学习模型。

4.根据权利要求3所述的文字识别方法，其中，所述根据所述预测训练样本文字和所述第二训练样本文字对所述待训练的元学习模型进行更新，得到所述训练好的元学习模型，包括：

计算所述预测训练样本文字和所述第二训练样本文字之间的损失函数值；

根据所述损失函数值计算梯度值；

根据所述梯度值对所述待训练的元学习模型进行更新，得到所述训练好的元学习模型。

5.根据权利要求4所述的文字识别方法，其中，所述损失函数值为时序分类损失函数值。

6.根据权利要求1所述的文字识别方法，其中，所述元学习模型为卷积递归神经网络模型。

7.一种文字识别装置，包括：

第一获取模块，用于获取测试任务对应的测试样本文字图片和对应的测试样本文字；

微调模块，用于根据所述测试样本文字图片和所述测试样本文字对预先训练好的元学习模型进行微调，得到测试任务模型；

第二获取模块，用于获取所述测试任务对应的测试文字图片；

生成模块，用于将所述测试文字图片输入至所述测试任务模型，生成所述测试文字图片对应的测试文字。

8.根据权利要求7所述的文字识别装置，还包括：

第三获取模块，用于获取训练任务对应的第一训练样本文字图片和对应的第一训练样本文字；

训练模块，用于根据所述第一训练样本文字图片和所述第一训练样本文字对待训练的元学习模型进行训练，得到训练任务模型；

第四获取模块，用于获取所述训练任务对应的第二训练样本文字图片和对应的第二训练样本文字；

更新模块，用于根据所述第二训练样本文字图片、所述第二训练样本文字和所述训练任务模型对所述待训练的元学习模型进行更新，得到所述训练好的元学习模型。

9.根据权利要求8所述的文字识别装置，其中，所述更新模块，包括：

生成子模块，用于将所述第二训练样本文字图片输入至所述训练任务模型，生成所述第二训练样本文字图片对应的预测训练样本文字；

更新子模块，用于根据所述预测训练样本文字和所述第二训练样本文字对所述待训练的元学习模型进行更新，得到所述训练好的元学习模型。