[发明专利]基于弱监督的手写文本识别方法、装置、系统及介质

权利要求书

1.一种基于弱监督的手写文本识别方法，其特征在于，包括如下步骤：

获取待识别手写文本图像，将所述待识别手写图像输入至预先构建并完成弱监督训练的手写文本识别模型中；

通过已完成弱监督训练的手写文本识别模型对所述待识别手写文本图像进行一维特征图提取处理；

对提取得到的一维特征图进行字符识别后输出文本识别结果。

2.根据权利要求1所述的基于弱监督的手写文本识别方法，其特征在于，所述获取待识别手写文本图像，将所述待识别手写图像输入至预先构建并完成弱监督训练的手写文本识别模型中之前，还包括：

构建用于识别手写文本的卷积神经网络，所述卷积神经网络包括用于提取一维特征图的特征提取模块；

对所述卷积神经网络进行弱监督训练，直到卷积神经网络的输出值达到预设值时完成弱监督训练得到手写文本识别模型。

3.根据权利要求2所述的基于弱监督的手写文本识别方法，其特征在于，所述对所述卷积神经网络进行弱监督训练，直到卷积神经网络的输出值达到预设值时完成弱监督训练得到手写文本识别模型，包括：

获取无真实标注的训练样本集并将所述训练样本集输入至所述卷积神经网络进行弱监督训练；

通过预设损失函数对所述卷积神经网络的输出值进行误差评价；

根据误差评价结果调节所述卷积神经网络的权重参数，直到所述卷积神经网络的输出值达到预设值时完成弱监督训练得到手写文本识别模型。

4.根据权利要求3所述的基于弱监督的手写文本识别方法，其特征在于，所述损失函数为CTC损失函数。

5.根据权利要求2所述的基于弱监督的手写文本识别方法，其特征在于，所述通过已完成弱监督训练的手写文本识别模型对所述待识别手写文本图像进行一维特征图提取处理，具体包括：

通过所述特征提取模块将所述待识别手写文本图像中的多行图像特征展开为单行图像特征后拼接得到一维特征图。

6.根据权利要求1所述的基于弱监督的手写文本识别方法，其特征在于，所述对提取得到的一维特征图进行字符识别后输出文本识别结果，具体包括：

对提取得到的一维特征图进行字符匹配，获取与所述一维特征图匹配度最高的字符匹配结果后输出文本识别结果。

7.根据权利要求3-6任意一项所述的基于弱监督的手写文本识别方法，其特征在于，所述一维特征图的长度大于等于训练样本集中最大字符串长度。

8.一种基于弱监督的手写文本识别装置，其特征在于，所述装置包括：

获取模块，用于获取待识别手写文本图像，将所述待识别手写图像输入至预先构建并完成弱监督训练的手写文本识别模型中；

特征提取模块，用于通过已完成弱监督训练的手写文本识别模型对所述待识别手写文本图像进行一维特征图提取处理；

识别模块，用于对提取得到的一维特征图进行字符识别后输出文本识别结果。

9.一种基于弱监督的手写文本识别系统，其特征在于，所述系统包括至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一项所述的基于弱监督的手写文本识别方法。

10.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-7任一项所述的基于弱监督的手写文本识别方法。