[发明专利]图像质量识别模型训练方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，本发明公开了一种图像质量识别模型训练方法、装置、设备及存储介质。通过构建包括主干神经网络和文本识别网络的目标文本检测模型，利用所获取的清晰训练样本对原始文本检测模型进行训练，获得训练完成的目标文本检测模型，以使得主干神经网络进行文本检测；基于目标文本检测模型中的主干神经网络，和原始质量识别网络构建原始质量识别模型，再对清晰训练样本进行模糊处理，得到对应的模糊训练样本；采用清晰训练样本和模糊训练样本训练原始质量识别模型，从而获取到质量识别更为精准的目标质量识别模型，通过本训练方法提高了目标质量识别模型质量识别的可靠性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种图像质量识别模型训练方法、装置、设备及存储介质。

背景技术

OCR识别全称为光学字符识别(Optical Character Recognition，OCR)是对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。通过将图像中的文字进行识别，并以文本的形式返回，以完成对文档图像转为文字的业务需求。而OCR识别的性能，会受到待处理文档图像的质量影响，所以文档质量识别可以通过初步的筛选，快速过滤质量差的样本，减少文档图像质量较差情况下的影响，提升OCR识别的性能。

文档图像质量识别模型通常是基于深度学习进行训练建模，训练后的文档图像质量识别模型从文档整体是否模糊来进行判断，而文档图像会出现文字区域清楚，而非文字区域反光、模糊的情况，又或者文字区域模糊，而非文字区域清楚的情况，此类样本通常会被传统方法拦截，造成关键信息的丢失。由此可知，现有技术中训练后的文档图像质量识别模型，不能准确地筛选文档图像，导致文档图像质量识别模型存在鲁棒性较差，可靠性较低的问题。

发明内容

本发明实施例提供一种图像质量识别模型训练方法、装置、设备及存储介质，解决现有图像质量识别模型训练时，存在质量识别模型的可靠性较低的问题。

本发明实施例提供了一种图像质量识别模型训练方法，包括：

获取清晰训练样本；

对所述清晰训练样本进行模糊处理，获取模糊训练样本；

采用清晰训练样本训练原始文本检测模型，得到目标文本检测模型，所述目标文本检测模型包括主干神经网络和文本识别网络；

采用原始质量识别网络，对所述目标文本检测模型中的文本识别网络进行替换处理，得到原始质量识别模型，所述原始质量识别模型包括主干神经网络和原始质量识别网络；

采用所述清晰训练样本和所述模糊训练样本，对所述原始质量识别模型进行训练，得到目标质量识别模型，所述目标质量识别模型包括主干神经网络和目标质量识别网络。

本发明实施例还提供了一种图像质量识别方法，包括：

获取待处理文档图像；

采用目标质量识别模型，对所述待处理文档图像进行文本框检测，获取待处理文本框内容特征；

对所述待处理文本框内容特征进行质量识别，获取质量识别结果。

本发明实施例还提供了一种图像质量识别模型训练装置，包括：

清晰训练样本获取模块，获取清晰训练样本；

模糊训练样本获取模块，对所述清晰训练样本进行模糊处理，获取模糊训练样本；

目标文本检测模型获取模块，采用清晰训练样本训练原始文本检测模型，得到目标文本检测模型，所述目标文本检测模型包括主干神经网络和文本识别网络；

原始质量识别模型获取模块，采用原始质量识别网络，对所述目标文本检测模型中的文本识别网络进行替换处理，得到原始质量识别模型，所述原始质量识别模型包括主干神经网络和原始质量识别网络；