[发明专利]文本识别方法、装置、设备及存储介质

说明书

本申请公开了一种文本识别方法、装置、设备及存储介质，本申请获取待识别文本所在的图像区域对应的文本图片，进一步对于待识别的文本图片，对其提取至少两个不同方向上的图像特征，进而基于提取的至少两个不同方向上的图像特征，识别文本图片中包含的文本内容。由此可见，对于待识别的文本图片，鉴于其文本内容方向上的多样化，本申请在进行图像特征提取时强化了所提取的方向信息，也即，从两个及以上的不同方向对文本图片进行特征提取，使得提取的图像特征包含了文本图片中待识别文本的多个方向上的特征信息，在此基础上，基于提取的图像特征，能够更加准确的识别文本图片中所包含的文本内容，提高了文本识别的准确度。

技术领域

本申请涉及自然语言处理技术领域，更具体的说，是涉及一种文本识别方法、装置、设备及存储介质。

背景技术

随着文本识别技术的发展，文本识别在现实生活当中的应用越来越广泛。示例如，自动驾驶中的路标识别、拍照翻译、文档扫描识别等。

实际生活中，文本区域在场景图片中的方向分布多种多样，如图1所示，包括水平文本、倾斜文本、竖直文本等。由于待识别文本图片的方向性多样化，这给文本识别带来了更大的挑战，如何准确的对此类图片进行文本识别，成为了行业内亟需解决的问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种文本识别方法、装置、设备及存储介质，以准确的对方向性多样化的待识别文本图片进行文本识别。具体方案如下：

一种文本识别方法，包括：

获取待识别的文本图片，所述文本图片为待识别文本所在的图像区域；

对所述文本图片提取至少两个不同方向上的图像特征；

基于提取的所述至少两个不同方向上的图像特征，识别所述文本图片中包含的文本内容。

优选地，所述对所述文本图片提取至少两个不同方向上的图像特征，包括：

将所述文本图片输入预先构建的卷积网络；

利用所述卷积网络提取所述文本图片的至少两个不同方向上的图像特征，其中，卷积网络中每一卷积层输出的特征图由至少两个特征子图融合而成，所述至少两个特征子图包括同一卷积核在旋转前及经至少一次旋转后，对前一卷积层输出的特征图进行卷积操作所得。

优选地，所述利用所述卷积网络提取所述文本图片的至少两个不同方向上的图像特征，包括：

利用所述卷积网络中每一卷积层的卷积核对前一卷积层输出的特征图进行卷积操作，得到每一卷积核提取的特征子图，每一卷积层的卷积核包括原始卷积核及其经至少一次旋转后的卷积核；

将所述原始卷积核及其经旋转后的各卷积核所提取的特征子图进行融合，并将融合后的特征图输入下一卷积层；

由所述卷积网络的最后一个卷积层输出的特征图作为所述文本图片的图像特征。

优选地，所述利用所述卷积网络提取所述文本图片的至少两个不同方向上的图像特征，包括：

对所述卷积网络中每一卷积层的卷积核进行至少一次旋转，并利用旋转前及旋转后的卷积核对前一卷积层输出的特征图进行卷积操作，得到旋转前及旋转后的每一卷积核提取的特征子图；

将所述卷积核及其经旋转后的各卷积核所提取的特征子图进行融合，并将融合后的特征图输入下一卷积层；

由所述卷积网络的最后一个卷积层输出的特征图作为所述文本图片的图像特征。

优选地，所述至少两个特征子图包括：

同一卷积核在旋转前对前一卷积层输出的特征图进行卷积操作所得的特征子图；以及，