[发明专利]一种文本识别方法、装置、电子设备、介质及产品

说明书

本公开提供了一种文本识别方法、装置、电子设备、介质及产品，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于文字识别技术领域。具体实现方案为：获取待识别图片，然后基于待识别图片的长度确定滑窗，并利用滑窗对待识别图片进行裁剪，得到多个子图片，其中滑窗的宽度为待识别图片的宽度，滑窗的长度为指定长度，相邻的子图片之间的重叠区域尺寸为预设尺寸。接着将各子图片分别输入预先训练的识别模型，得到识别模型对每个子图片的输出结果。再根据各子图片对应的输出结果，确定对待识别图片的文本识别结果。从而提高了对图片中文本的识别准确率。

技术领域

本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于文字识别技术领域。

背景技术

光学字符识别(optical character recognition，OCR)可以从图片中识别文本。OCR技术的应用广泛，例如，智能词典笔可以通过摄像头扫描文字，得到包括文本的图片，并进一步对图片采用OCR技术得到图片中的文本。

发明内容

本公开提供了一种文本识别方法、装置、电子设备、介质及产品。

本公开实施例的第一方面，提供了一种文本识别方法，包括：

获取待识别图片；

基于所述待识别图片的长度确定滑窗，并利用所述滑窗对待识别图片进行裁剪，得到多个子图片，其中，所述滑窗的宽度与所述待识别图片的宽度相同，所述滑窗的长度小于所述待识别图片的长度，相邻的子图片之间存在重叠区域；

将各子图片分别输入预先训练的识别模型，得到所述识别模型对每个子图片的输出结果；

根据各子图片对应的输出结果，确定对所述待识别图片的文本识别结果。

本公开实施例的第二方面，提供了一种文本识别装置，包括：

获取模块，用于获取待识别图片；

裁剪模块，用于基于所述获取模块获取的所述待识别图片的长度确定滑窗，并利用所述滑窗对待识别图片进行裁剪，得到多个子图片，其中，所述滑窗的宽度与所述待识别图片的宽度相同，所述滑窗的长度小于所述待识别图片的长度，相邻的子图片之间存在重叠区域；

输入模块，用于将所述裁剪模块裁剪的各子图片分别输入预先训练的识别模型，得到所述识别模型对每个子图片的输出结果；

确定模块，用于根据各子图片对应的输出结果，确定对所述待识别图片的文本识别结果。

本公开实施例的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的文本识别方法。

本公开实施例的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述任一项所述的文本识别方法。

本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述任一项所述的文本识别方法。

本公开实施例提供的文本识别方法、装置、电子设备、介质及产品，可以基于待识别图片的长度确定滑窗，并利用滑窗将待识别图片裁剪成多个子图片，然后利用识别模型分别对各子图片进行识别，再基于子图片对应的输出结果得到待识别图片的文本识别结果。本公开实施例对图片进行裁剪后分别识别，可以提高对图片中文本的识别准确率。