[发明专利]一种图像中文字的识别方法、装置、介质及电子设备

权利要求书

1.一种图像中文字的识别方法，其特征在于，所述方法包括：

获取待识别的文字图像区域；

若所述待识别的文字图像区域中包含文字，则提取文字特征；

将所述文字特征输入至预训练语言模型，用于供所述预训练语言模型对各文字进行预测，得到文字预测结果；其中，所述预训练语言模型是基于预先构建的有遮盖训练样本进行训练得到的；

将所述文字预测结果作为图像中文字的识别结果。

2.根据权利要求1所述的方法，其特征在于，提取文字特征，包括：

使用由卷积神经网络和池化层构成的特征提取层，提取待识别图像的文字特征。

3.根据权利要求2所述的方法，其特征在于，使用由卷积层和池化层构成的特征提取层，提取待识别图像的文字特征，包括：

使用卷积神经网络对所述待识别图像进行特征提取，得到特征映射；

使用池化层对提取到的特征映射进行最大池化，得到精炼特征映射；

将所述精炼特征映射转化为特征序列。

4.根据权利要求3所述的方法，其特征在于，在将所述精炼特征映射转化为特征序列之前所述方法还包括：

对所述精炼特征映射进行归一化处理，得到归一化结果；

相应的，将所述精炼特征映射转化为特征序列，包括：

将所述归一化结果转化为特征序列。

5.根据权利要求1所述的方法，其特征在于，所述预训练语言模型的训练过程包括：

获取有遮盖训练样本；所述有遮盖训练样本包括单个文字的部分遮盖和/或全部遮盖；

将所述训练样本划分为训练集和测试集；

采用所述训练集的训练样本输入至初始网络模型进行模型训练，以通过上下文对当前预测文字的关联系数，预测当前文字；

若所述初始网络模型经过测试集的训练样本测试后，满足预设条件，则将所述初始网络模型确定为预训练语言模型。

6.一种图像中文字的识别装置，其特征在于，所述装置包括：

文字图像区域获取模块，用于获取待识别的文字图像区域；

文字特征提取模块，用于若所述待识别的文字图像区域中包含文字，则提取文字特征；

文字预测结果确定模块，用于将所述文字特征输入至预训练语言模型，用于供所述预训练语言模型对各文字进行预测，得到文字预测结果；其中，所述预训练语言模型是基于预先构建的有遮盖训练样本进行训练得到的；

识别结果确定模块，用于将所述文字预测结果作为图像中文字的识别结果。

7.根据权利要求6所述的装置，其特征在于，所述文字特征提取模块，包括：

特征提取单元，用于使用由卷积神经网络和池化层构成的特征提取层，提取待识别图像的文字特征。

8.根据权利要求7所述的装置，其特征在于，特征提取单元，具体用于：

使用卷积神经网络对所述待识别图像进行特征提取，得到特征映射；

使用池化层对提取到的特征映射进行最大池化，得到精炼特征映射；

将所述精炼特征映射转化为特征序列。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的图像中文字的识别方法。

10.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5中任一所述的图像中文字的识别方法。