[发明专利]文字识别模型训练、文字识别方法、装置、设备及介质

说明书

本公开提供了一种文字识别模型训练、文字识别方法、装置、设备及介质，涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于文字检测识别技术等场景。具体实现方案为：将无标签的训练样本分割为至少两个子样本图像；将至少两个子样本图像划分至第一训练集合和第二训练集合；所述第一训练集合包括具有可见属性的第一子样本图像，所述第二训练集合包括具有不可见属性的第二子样本图像；以所述第二训练集合作为所述第一训练集合的标签，对待训练编码器执行自监督训练，得到目标编码器。

技术领域

本公开涉及人工智能技术领域，具体为深度学习、图像处理、计算机视觉技术领域，可应用于文字检测识别技术等场景，尤其涉及一种文字识别模型训练、文字识别方法、装置、设备及介质。

背景技术

目前，自然场景下的OCR（optical character recognition，光学文字识别）技术具备广泛的应用基础。文字检测识别技术一般需要对文字识别模型进行训练，然后利用训练获得的文字识别模型对输入的图像进行文字识别。

但是，文字识别模型一般采用有监督训练的方式，有监督的训练方式仅能学习到少量有标签图像的特征，获得的识别模型对图像的文字识别准确率的提升不高。

发明内容

本公开提供了一种文字识别模型训练、文字识别方法、装置、设备及介质。

根据本公开的第一方面，提供了一种文字识别模型训练方法，包括：

将无标签的训练样本分割为至少两个子样本图像；

将至少两个子样本图像划分至第一训练集合和第二训练集合；所述第一训练集合包括具有可见属性的第一子样本图像，所述第二训练集合包括具有不可见属性的第二子样本图像；

以所述第二训练集合作为所述第一训练集合的标签，对待训练编码器执行自监督训练，得到目标编码器。

根据本公开的第二方面，提供了一种文字识别模型训练方法，包括：

将合成样本分割为至少两个子合成图像；所述合成样本包括合成文本标签；

将至少两个所述子合成图像划分为第一合成集合和第二合成集合；所述第一合成集合包括具有可见属性的第一子合成图像，所述第二合成集合包括具有不可见属性的第二子合成图像；

基于所述第一合成集合和所述第二合成集合，对待训练解码器执行有监督训练，获得所述待训练解码器对应的目标解码器。

根据本公开的第三方面，提供了一种文字识别方法，包括：

确定目标编码器和目标解码器；所述目标编码器基于第一方面以及第一方面各种可能的文字识别模型训练方法训练获得，所述目标解码器基于第二方面以及第二方面各种可能的方法文字识别模型训练方法训练获得；

将待识别图像分割为至少两个子图像；

基于所述目标编码器提取所述子图像的图像特征，获得至少两个所述子图像分别对应的图像特征；

基于所述目标解码器和至少两个查询向量，对至少两个所述子图像分别对应的图像特征进行解码计算，获得至少两个所述子图像对应的解码特征序列；

根据所述解码特征序列，得到所述待识别图像的目标文本。

根据本公开的第四方面，提供了一种文字识别模型训练装置，包括：

第一分割单元，用于将无标签的训练样本分割为至少两个子样本图像；

第一划分单元，用于将至少两个子样本图像划分至第一训练集合和第二训练集合；所述第一训练集合包括具有可见属性的第一子样本图像，所述第二训练集合包括具有不可见属性的第二子样本图像；