[发明专利]文本图像识别方法、装置、计算机设备和存储介质

权利要求书

1.一种文本图像识别方法，其特征在于，所述方法包括：

获取原始文本图像；

对原始文本图像进行预处理，得到处理后文本图像；

利用特征编码网络中的残差卷积模块对所述处理后文本图像进行特征提取，得到图像特征；

利用所述特征编码网络中上下文感知模块的类递归扩张卷积部分对图像特征进行特征运算，得到上下文调制信息；

利用所述上下文感知模块的通道级尺度注意力部分对上下文调制信息的相关度分配注意力，得到上下文调制序列；

对所述上下文调制序列进行解码，预测得到对应的符号序列；

所述类递归扩张卷积部分设计了渐进式扩张因子对，在计算扩张因子对前，考虑中心附近和边缘附近特征点的感受野大小：

其中，MaxField_i，EdgeField_i分别代表第i层输入特征图的最大中心感受野和最大边缘感受野；

基于感受野公式，计算所有层的扩张因子，具体计算公式如下：

设计约束项，以优化扩张因子对的求解：

2.根据权利要求1所述的文本图像识别方法，其特征在于，所述残差卷积模块为n个，所述上下文感知模块为n个；其中，n为大于1的整数，且每个残差卷积模块与每个上下文感知模块交替连接；

所述利用特征编码网络中的残差卷积模块对所述处理后文本图像进行特征提取，得到图像特征，具体包括：

当i为1时，通过第i个残差卷积模块对所述处理后文本图像进行特征提取，得到第i语义层次的图像特征；其中，i为大于或等于1，且小于或等于n的正整数；

当i大于1且小于或等于n时，通过第i个残差卷积模块对第i-1个上下文感知模块的输出结果进行特征提取，得到第i语义层次的图像特征；

所述利用所述特征编码网络中上下文感知模块中的类递归扩张卷积部分对图像特征进行特征运算，得到上下文调制信息，具体包括：

通过第i个上下文感知模块中的类递归扩张卷积部分对第i语义层次的图像特征进行特征运算，得到第i语义层次的上下文调制信息；

所述利用所述上下文感知模块的通道级尺度注意力部分对上下文调制信息的相关度分配注意力，得到上下文调制序列，具体包括：

通过第i个上下文感知模块中的通道级尺度注意力部分对第i语义层次的上下文调制信息的相关度分配注意力，得到第i语义层次的上下文调制序列；

所述对所述上下文调制序列进行解码之前，所述方法还包括：

当所述第i语义层次的上下文调制序列中的i小于n时，则将i递增之后进行下一个阶段的特征提取以及特征运算，直至获得第n语义层次的上下文调制序列。

3.根据权利要求2所述的文本图像识别方法，其特征在于，所述第i个上下文感知模块中的类递归扩张卷积部分，所述类递归扩张卷积部分包括至少两个扩张卷积单元，类递归扩张卷积部分的多个层之间共享卷积核参数，不同卷积层的扩张率不同。

4.根据权利要求3所述的文本图像识别方法，其特征在于，所述不同卷积层的扩张率，根据输入图像特征大小和层索引的变化而变化。

5.根据权利要求2所述的文本图像识别方法，其特征在于，所述通过第i个上下文感知模块中的通道级尺度注意力部分对第i语义层次的上下文调制信息的相关度分配注意力，得到第i语义层次的上下文调制序列；具体包括：

根据第i语义层次的上下文调制信息，通过第i个上下文感知模块中的通道级尺度注意力部分计算第i语义层次的上下文调制信息相关度；

根据第i语义层次的上下文调制信息相关度，计算第i语义层次的不同通道的权重；

根据第i语义层次的上下文调制信息和第i语义层次的不同通道的权重，进行加权求和，得到第i语义层次的上下文调制序列。

6.根据权利要求1所述的文本图像识别方法，其特征在于，所述对原始文本图像进行预处理，得到处理后文本图像，具体包括：

对输入图像进行灰度变换，得到灰度图像；

对灰度图像进行归一化处理，并按比例缩放图像宽度/高度。