[发明专利]文本识别模型训练方法、文本识别方法、装置及电子设备

说明书

本公开涉及一种文本识别模型训练方法、文本识别方法、装置及电子设备。文本识别模型训练方法包括：构建包括第一卷积神经网络、第一循环神经网络、第二循环神经网络和编解码网络的初始文本识别模型；将第一文本图像输入第一卷积神经网络，以输出第一文本图像的第一特征序列至第一循环神经网络和第二循环神经网络，通过第一循环神经网络输出第一特征向量标签分布，通过第二循环神经网络输出第一预测结果，由编解码网络根据第一特征向量标签分布和第一预测结果输出第一文本图像中字符序列的第一文本识别结果，用于训练初始文本识别模型，获得目标文本识别模型，以提高目标文本识别模型的可靠性。

技术领域

本公开涉及自然语言处理领域，尤其涉及一种文本识别模型训练方法、文本识别方法、装置及电子设备。

背景技术

自然语言处理领域中，自然场景文字识别是指从携带有字符序列的图像中识别出字符序列的过程。现有技术中，字符序列的识别方法通常是基于整体分析的策略，也即，字符序列到字符序列的方法，首先，对图像进行编码，然后，再进行字符序列的解码，而直接获得整个字符序列，且现有技术中，通常借用传统的卷积循环神经网络实现字符序列的识别。

发明内容

本公开的目的在于，提供一种文本识别模型训练方法、文本识别方法、装置及电子设备，以解决通过现有技术训练获得的目标文本识别模型的可靠性较低的问题。

本公开第一方面提供的文本识别模型训练方法，包括：

获取训练数据集，训练数据集中包括多张文本图像，以及多张文本图像中每张文本图像的字符标注信息，字符标注信息包括整体字符信息；

构建初始文本识别模型，初始文本识别模型包括第一卷积神经网络、第一循环神经网络、第二循环神经网络和编解码网络；

针对训练数据集中的每张第一文本图像，将第一文本图像输入第一卷积神经网络，以供第一卷积神经网络输出第一文本图像的第一特征序列至第一循环神经网络和第二循环神经网络，并通过第一循环神经网络输出第一特征序列的第一特征向量标签分布，以及通过第二循环神经网络输出第一预测结果，且由编解码网络根据第一特征向量标签分布和第一预测结果输出第一文本图像中字符序列的第一文本识别结果，第一预测结果为第一文本图像中字符序列的分词结果和实体标注信息的预测结果；

在每获得一次第一文本识别结果之后，根据第一文本识别结果，以及第一文本识别结果所对应的第一文本图像的整体字符信息，对第一卷积神经网络、第一循环神经网络、第二循环神经网络和编解码网络进行训练，获得目标文本识别模型。

本公开第二方面提供的文本识别方法，包括：

获取待识别文本图像；

将待识别文本图像输入包括目标卷积神经网络、第一目标循环神经网络、第二目标循环神经网络和目标编解码网络的目标文本识别模型，以供目标卷积神经网络输出待识别文本图像的第八特征序列至第一目标循环神经网络和第二目标循环神经网络，并通过第一目标循环神经网络输出第八特征序列的第三特征向量标签分布，以及通过第二目标循环神经网络输出第五预测结果，且由目标编解码网络根据第三特征向量标签分布和第五预测结果输出待识别文本图像中字符序列的第二文本识别结果，第五预测结果为待识别文本图像中字符序列的分词结果和实体标注信息的预测结果。

本公开第三方面提供的文本识别模型训练装置，包括：

训练数据集获取模块，用于获取训练数据集，训练数据集中包括多张文本图像，以及多张文本图像中每张文本图像的字符标注信息，字符标注信息包括整体字符信息；

第一模型构建模块，用于构建初始文本识别模型，初始文本识别模型包括第一卷积神经网络、第一循环神经网络、第二循环神经网络和编解码网络；