[发明专利]一种文本图像的识别方法、装置及计算设备

权利要求书

1.一种文本图像的识别方法，其特征在于，包括：

将文本图像输入已训练的第一编码器，提取所述文本图像的划痕的第三特征；其中，预先训练所述第一编码器，包括：构建包括第一编码器、第二编码器和解码器的第二网络模型；以纯划痕图像作为所述第一编码器的输入，以纯文本图像作为所述第二编码器的输入，以带划痕的图像作为输出训练所述第二网络模型；从训练后的所述第二网络模型中提取所述第一编码器；

将所述文本图像和所述第三特征输入已训练的第一网络模型，得到所述文本图像中的文本框的内容；

其中，所述第一网络模型用于获取所述文本图像的第一特征，根据所述文本图像的第一特征，识别所述文本图像中的文本框，根据所述文本框的坐标信息，从所述文本图像的第一特征中等比例地截取与所述文本框对应的第二特征，将所述第二特征减去所述第三特征，得到与所述文本框对应的第四特征，根据所述第四特征识别所述文本框的内容。

2.如权利要求1所述的方法，其特征在于，训练所述第一网络模型，包括：

根据纯文本图像和/或带划痕的图像对所述第一网络模型进行第一次训练；所述第一网络模型在第一次训练时，用于获取纯文本图像和/或带划痕的图像的第一特征，根据纯文本图像和/或带划痕的图像的第一特征，识别纯文本图像和/或带划痕的图像中的文本框，根据文本框的坐标信息，从纯文本图像和/或带划痕的图像的第一特征中等比例地截取与文本框对应的第二特征，根据第二特征识别文本框的内容；

根据带划痕的图像对所述第一网络模型进行第二次训练；所述第一网络模型在第二次训练时，用于获取带划痕的图像的第一特征，根据带划痕的图像的第一特征，识别带划痕的图像中的文本框，根据文本框的坐标信息，从带划痕的图像的第一特征中等比例地截取与文本框对应的第二特征，将第二特征减去所述第一编码器处理同一带划痕的图像后输出的第三特征，得到与文本框对应的第四特征，根据第四特征识别文本框的内容。

3.如权利要求1所述的方法，其特征在于，根据所述第四特征识别所述文本框的内容，包括：

根据CRNN网络，将所述第四特征作卷积、池化、构建时序、解码处理，得到所述文本框的内容。

4.如权利要求1所述的方法，其特征在于，获取所述文本图像的第一特征，包括：

通过特征提取网络，获取所述文本图像的第一特征；

其中，所述特征提取网络包括：VGG16、或VGG19、或VGG13、或resnet18、或resnet34、或resnet52。

5.如权利要求1所述的方法，其特征在于，根据所述文本图像的第一特征，识别所述文本图像中的文本框，包括：

根据CenterNet网络，将所述文本图像的第一特征作卷积、两次反卷积处理，得到一组用于描述所述文本图像中的文本框的多通道输出。

6.如权利要求5所述的方法，其特征在于，所述多通道输出包括6个通道输出，其中，第1个通道表示文本框中心点得分图；第2个通道和第3个通道分别表示文本框中心点的x、y方向偏移量；第4个通道和第5个通道分别表示预测的文本框的宽、高；第6个通道表示文本框的旋转角度。

7.如权利要求1所述的方法，其特征在于，构建包括第一编码器、第二编码器和解码器的第二网络模型之前，还包括：

根据纯划痕图像训练所述第一编码器；

根据纯文本图像训练所述第二编码器。

8.如权利要求1所述的方法，其特征在于，以纯划痕图像作为所述第一编码器的输入，以纯文本图像作为所述第二编码器的输入，以带划痕的图像作为输出训练所述第二网络模型，包括：

固定所述第一编码器和所述第二编码器的参数，以纯划痕图像作为所述第一编码器的输入，以纯文本图像作为所述第二编码器的输入，以带划痕的图像作为输出第一次训练所述第二网络模型；

不固定所述第一编码器和所述第二编码器的参数，以纯划痕图像作为所述第一编码器的输入，以纯文本图像作为所述第二编码器的输入，以带划痕的图像作为输出第二次训练所述第二网络模型。