[发明专利]文本字符的识别方法、装置和服务器

说明书

本说明书提供了文本字符的识别方法、装置和服务器。基于该方法，具体实施前，可以预先训练建立至少包含有低层卷积网络层、高层卷积网络层，以及fire模块，且在低层卷积网络层与高层卷积网络层之间还设置有跨层连接的预设的字符识别模型；具体实施时，在获取待处理的目标图像后，可以调用上述预设的字符识别模型处理目标图像，得到对应的处理结果；再根据处理结果，识别确定出目标图像所包含的目标文本字符。从而可以通过调用上述支持多尺度特征提取、效果较好的预设的字符识别模型，有效地适用诸如存在重叠的文本字符等复杂的识别场景，精准、高效地识别确定出图像中的文本字符，减少识别误差，提高字符识别的准确度。

技术领域

本说明书属于人工智能技术领域，尤其涉及文本字符的识别方法、装置和服务器。

背景技术

在许多数据处理场景中，系统所直接获得的往往是包含有文本字符的图像数据。这时，系统需要先通过对上述图像数据进行文本字符识别(例如，OCR识别)，以提取出图像数据中所包含的文本字符；再根据所提取出的文本字符进行具体的数据处理。

但是，针对一些比较复杂的识别场景，例如，图像中的文本字符由于某些原因出现了重叠导致字符难以辨识，基于现有方法往往很难准确地识别出图像中的真实的文本字符。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本说明书提供了一种文本字符的识别方法、装置和服务器，能够适用诸如存在重叠的文本字符等复杂的识别场景，精准、高效地识别确定出图像中的文本字符。

本说明书提供了一种文本字符的识别方法，包括：

获取待处理的目标图像；其中，所述目标图像包含有待识别的目标文本字符；

调用预设的字符识别模型处理所述目标图像，得到对应的处理结果；其中，所述预设的字符识别模型至少包括：低层卷积网络层、高层卷积网络层，以及fire模块，且在低层卷积网络层与所述高层卷积网络层之间还设置有跨层连接；

根据所述处理结果，确定出所述目标文本字符。

在一个实施例中，所述低层卷积网络层包括：第一卷积层、第二卷积层和第三卷积层；所述高层卷积网络层包括：第四卷积层和第五卷积层；所述fire模块包括第一fire模块和第二fire模块。

在一个实施例中，所述第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层按序依次串联；且在所述第四卷积层和第五卷积层之间还依次串联有第一fire模块和第二fire模块。

在一个实施例中，在所述第三卷积层与所述第五卷积层之间设置有跨层连接；和/或，在所述第一卷积层与所述第四卷积层之间设置有跨层连接。

在一个实施例中，在获取待处理的目标图像之前，所述方法还包括：

构建初始模型；其中，所述初始模型至少包含有初始的低层卷积网络层、初始的高层卷积网络层，以及初始的fire模块，且在初始的低层卷积网络层与所述初始的高层卷积网络层之间还设置有跨层连接；

获取样本图像；其中，所述样本图像包含有存在重叠的文本字符；

根据所述样本图像，建立训练集和测试集；并对训练集中的样本图像进行标注，得到标注后的训练集；

利用所述标注后的训练集和所述测试集，训练所述初始模型，得到符合要求的预设的字符识别模型。

在一个实施例中，获取样本图像，包括：

采集包含有文本字符的第一图片数据；

对所述第一图片数据进行扩充处理，得到第二图片数据；

根据文本字符，分割所述第二图片数据，得到多个第三图片数据；