[发明专利]一种文本识别方法、装置、计算机设备和存储介质

权利要求书

1.一种文本识别方法，其特征在于，包括：

获取待识别文本图像，所述待识别文本图像包括至少两个的图像区域；

对所述待识别文本图像进行特征提取，得到所述待识别文本图像中每个图像区域的特征信息；

针对每个图像区域，根据所述图像区域的特征信息以及关联图像区域的特征信息，计算所述图像区域与所述关联图像区域之间的内容相似度；

针对每个图像区域，根据所述图像区域与所述关联图像区域之间的内容相似度，对所述图像区域和所述关联图像区域的特征信息进行融合处理，得到关注上下文信息的注意力特征信息；

基于所述注意力特征信息对所述待识别图像进行文本内容识别，得到识别结果。

2.根据权利要求1所述的方法，其特征在于，所述特征信息包括特征向量，所述针对每个图像区域，根据所述图像区域的特征信息以及所述图像区域匹配的关联图像区域的特征信息，计算所述图像区域与所述关联图像区域之间的内容相似度，包括：

确定当前待处理的目标图像区域，以及目标图像区域的关联图像区域；

基于注意力权重信息将所述目标图像区域的目标特征向量进行空间映射处理，得到所述目标图像区域的目标特征向量在特征空间中对应的第一映射向量；

基于注意力权重信息将所述关联图像区域的关联特征向量进行空间映射处理，得到所述关联图像区域的关联特征向量在特征空间中对应的第二映射向量；

根据所述第一映射向量和所述第二映射向量之间的距离计算所述目标图像区域与所述关联图像区域之间的内容相似度，得到每个图像区域的内容相似度。

3.根据权利要求2所述的方法，其特征在于，所述第一映射向量包括第一查询向量、第一关键向量和第一内容向量，所述第二映射向量包括第二查询向量、第二关键向量和第二内容向量，所述根据所述第一映射向量和所述第二映射向量之间的距离计算所述目标图像区域与所述关联图像区域之间的内容相似度，得到每个图像区域的内容相似度，包括：

根据所述目标图像区域对应的第一查询向量和所述关联图像区域对应的第二关键向量之间的距离，计算所述目标图像区域与所述关联图像区域之间的内容相似度，得到每个图像区域的内容相似度；

所述针对每个图像区域，根据所述图像区域与所述关联图像区域之间的内容相似度，对所述图像区域和所述关联图像区域的特征信息进行融合处理，得到关注上下文信息的注意力特征信息，包括：

针对每个图像区域，根据所述图像区域与所述关联图像区域之间的内容相似度，对所述关联图像区域对应的内容特征向量进行加权处理，得到所述关联图像区域对应的加权内容特征向量；

针对每个图像区域，根据所述图像区域的特征向量与所述关联图像区域对应的加权内容特征向量进行融合处理，得到所述关注上下文信息的注意力特征信息。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标图像区域对应的第一查询向量和所述关联图像区域对应的第二关键向量之间的距离，计算所述目标图像区域与所述关联图像区域之间的内容相似度，得到每个图像区域的内容相似度，包括：

根据所述目标图像区域对应的第一查询向量和所述关联图像区域对应的第二关键向量之间的距离，计算所述目标图像区域与所述关联图像区域之间的初始内容相似度，得到每个图像区域的内容初始相似度；

根据每个图像区域的初始内容相似度，得到所述待识别图像的初始内容相似度矩阵；

将所述初始内容相似度矩阵以及所述初始内容相似度矩阵的转置矩阵对每个图像区域的初始内容相似度进行调节，得到所述目标图像区域与所述关联图像区域之间的内容相似度。

5.根据权利要求4所述的方法，其特征在于，所述将所述初始内容相似度矩阵以及所述初始内容相似度矩阵的转置矩阵对所述初始内容相似度进行调节，得到所述图像区域与所述关联图像区域之间的内容相似度，包括：

将所述初始内容相似度矩阵以及所述初始内容相似度矩阵的转置矩阵进行相加处理，得到第一内容相似度矩阵；

针对每个图像区域，对所述第一内容相似度矩阵设置对应的窗口矩阵，得到第二内容相似度矩阵；

根据所述第二内容相似度矩阵确定图像区域与关联图像区域之间的内容相似度。