[发明专利]文字识别方法及装置、存储介质在审

专利信息
申请号: 202110127630.5 申请日: 2021-01-29
公开(公告)号: CN112800972A 公开(公告)日: 2021-05-14
发明(设计)人: 蔡晓聪;侯军;伊帅 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 陈蕾
地址: 100080 北京市海淀区北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文字 识别 方法 装置 存储 介质
【权利要求书】:

1.一种文字识别方法,其特征在于,包括:

获取包括待识别文字和其他文字的文字图像;

基于所述文字图像对应的特征序列,得到所述文字图像中每个字符的类别判断结果,所述类别判断结果用于表征字符类别;

基于所述类别判断结果,确定对所述待识别文字进行文字识别的目标文字识别结果。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

确定所述文字图像中所述待识别文字和/或所述其他文字所在的候选区域;

将所述候选区域划分为多个子区域;

基于所述多个子区域中至少部分子区域对应的特征信息,确定所述文字图像对应的特征序列。

3.根据权利要求1或2所述的方法,其特征在于,所述基于所述文字图像对应的特征序列,得到所述文字图像中每个字符的类别判断结果,包括:

基于所述文字图像对应的特征序列,确定所述文字图像包括的每个字符所属的至少一个备选字符类别和每个备选字符类别的识别率;

将所述每个字符所属的所述至少一个备选字符类别中最大识别率对应的备选字符类别,作为所述类别判断结果。

4.根据权利要求3所述的方法,其特征在于,所述基于所述类别判断结果,确定对所述待识别文字进行文字识别的目标文字识别结果,包括:

根据字符类别和字符结构之间的对应关系,确定所述每个字符所属的最大识别率的备选字符类别对应的字符结构;

根据所述每个字符所属的最大识别率的备选字符类别,确定所述每个字符属于所述待识别文字对应的目标字符或属于所述其他文字对应的无关字符;

将所述目标字符对应的所述字符结构,作为对所述待识别文字进行文字识别的所述目标文字识别结果。

5.根据权利要求4所述的方法,其特征在于,所述根据所述每个字符所属的最大识别率的备选字符类别,确定所述每个字符属于所述待识别文字对应的目标字符或属于所述其他文字对应的无关字符,包括:

响应于确定所属的最大识别率的备选字符类别是多个第一字符类别或多个第二字符类别中的一个,确定对应的字符属于所述目标字符;

响应于确定所属的最大识别率的备选字符类别是第三字符类别,确定对应的字符属于所述无关字符。

6.根据权利要求5所述的方法,其特征在于,所述多个第一字符类别包括:与第一文字语言包括的多个字符分别对应的字符类别;其中,所述第一文字语言是所述待识别文字对应的文字语言;

所述多个第二字符类别包括:与多个阿拉伯数字分别对应的字符类别;

所述第三字符类别包括:与多种第二文字语言包括的多个字符对应的相同的字符类别;其中,所述第二文字语言是不同于所述第一文字语言的文字语言。

7.根据权利要求2-6任一项所述的方法,其特征在于,所述确定所述文字图像对应的特征序列,包括:

将所述文字图像作为用于对字符进行字符类别判断的目标神经网络的输入,获得所述目标神经网络输出的所述文字图像对应的特征序列。

8.根据权利要求1-7任一项所述的方法,其特征在于,所述方法还包括:

获取同时包括第一文字语言对应的文字和至少一种第二文字语言对应的文字的样本文字图像;其中,所述第一文字语言是所述待识别文字对应的文字语言,所述第二文字语言是不同于所述第一文字语言的文字语言;

将所述样本文字图像作为预设神经网络的输入,以所述样本文字图像中的字符类别标签为监督,对所述预设神经网络进行训练,得到用于对字符进行字符类别判断的目标神经网络。

9.根据权利要求8所述的方法,其特征在于,所述获取同时包括第一文字语言对应的文字和至少一种第二文字语言对应的文字的样本文字图像,包括:

获取包括所述第一文字语言对应的文字的第一备选文字图像;

获取所述至少一种第二文字语言对应的备选文字语料;

基于所述备选文字语料和所述第一备选文字图像,生成所述样本文字图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110127630.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top