汉字定位方法及装置、存储介质和电子设备与流程

本公开涉及计算机技术领域，具体而言，涉及一种汉字定位方法、汉字定位装置、存储介质和电子设备。

背景技术：

在工作和生活中，汉字是人们获知信息的主要途径，而在很多情况下，汉字往往出现在图片上，用于对图片进行注释或标识其他内容。如何快速地从图片中提取汉字已成为人们获知信息的关键，在此过程中需要确定汉字在图片中的位置。

目前，一方面，图片上可能存在对汉字造成混淆的其他内容，如一些绘画线条、污点等；另一方面，汉字的颜色可能与图片背景的颜色相似；再一方面，汉字的字体和尺寸可能不相同，光照条件(汉字的明暗程度)也可能不同。因此，在图片上对汉字进行定位较为困难。

随着计算机技术的发展，出现了一些可以对汉字进行定位的方案，例如，基于连通分量对字符进行识别的算法、采用多次投影(例如，水平投影和垂直投影)的方法对字符进行定位，等等。然而，这些方案的处理速度较慢，针对一张图片，处理时间可能在3秒，无法满足实时处理的需求。另外，针对采用连通域进行汉字定位的方法，当汉字笔画有重合时，会出现定位结果不准确的情况。

鉴于此，需要一种汉字定位方法、汉字定位装置、存储介质和电子设备。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

本公开的目的在于提供一种汉字定位方法、汉字定位装置、存储介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种汉字定位方法，包括：

基于预设背景图片数据集和预设汉字表构建目标数量个训练样本；其中，各所述训练样本中标注有汉字位于背景图片的区域；

获取深度学习模型的模型配置参数文件和均值文件；

对所述训练样本进行迁移学习迭代并基于所述模型配置参数文件和均值文件得到网络权值；

获取目标图片，并基于所述网络权值将所述目标图片在网络中进行前向传播，以获得目标预测值作为所述目标图片的汉字在所述目标图片中的预测区域。

在本公开的一种示例性实施例中，所述汉字定位方法还包括：

对所述预测区域进行非极大值抑制，以确定所述目标图片中汉字对应的区域。

在本公开的一种示例性实施例中，所述汉字定位方法还包括：

在所述目标图片中标识汉字对应的区域。

在本公开的一种示例性实施例中，基于预设背景图片数据集和预设汉字表构建目标数量个训练样本：

从预设背景图片数据集中获取目标数量个背景图片样本；

从预设汉字表中获取目标数量个汉字样本组；

分别将所述背景图片样本与所述汉字样本组进行叠加以构建目标数量个训练样本。

在本公开的一种示例性实施例中，从预设背景图片数据集中获取目标数量个背景图片样本包括：

获取所述预设背景图片数据集中各背景图片的路径；

基于所述路径生成目标数量个随机数；

根据所述随机数确定对应的背景图片作为背景图片样本；

获取所述背景图片样本。

在本公开的一种示例性实施例中，所述汉字样本组中包含字体随机并且/或者颜色随机的多个汉字。

根据本公开的一个方面，提供一种汉字定位装置，包括：

训练样本构建模块，用于基于预设背景图片数据集和预设汉字表构建目标数量个训练样本；其中，各所述训练样本中标注有汉字位于背景图片的区域；

文件获取模块，用于获取深度学习模型的模型配置参数文件和均值文件；

网络权值得到模块，用于对所述训练样本进行迁移学习迭代并基于所述模型配置参数文件和均值文件得到网络权值；

预测区域获得模块，用于获取目标图片，并基于所述网络权值将所述目标图片在网络中进行前向传播，以获得目标预测值作为所述目标图片的汉字在所述目标图片中的预测区域。

在本公开的一种示例性实施例中，所述汉字定位装置还包括：

汉字区域确定模块，用于对所述预测区域进行非极大值抑制，以确定所述目标图片中汉字对应的区域。

在本公开的一种示例性实施例中，所述汉字定位装置还包括：

汉字区域标识模块，用于在所述目标图片中标识汉字对应的区域。

在本公开的一种示例性实施例中，所述训练样本构建模块包括：

背景图片样本获取子模块，用于从预设背景图片数据集中获取目标数量个背景图片样本；

汉字样本组获取子模块，用于从预设汉字表中获取目标数量个汉字样本组；

图片汉字叠加子模块，用于分别将所述背景图片样本与所述汉字样本组进行叠加以构建目标数量个训练样本。

在本公开的一种示例性实施例中，所述背景图片样本获取子模块包括：

图片路径获取单元，用于获取所述预设背景图片数据集中各背景图片的路径；

随机数生成单元，用于基于所述路径生成目标数量个随机数；

背景图片确定单元，用于根据所述随机数确定对应的背景图片作为背景图片样本；

背景图片样本获取单元，用于获取所述背景图片样本。

在本公开的一种示例性实施例中，所述汉字样本组中包含字体随机并且/或者颜色随机的多个汉字。

根据本公开的一个方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的汉字定位方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的汉字定位方法。

在本公开的一些实施例所提供的技术方案中，基于背景图片数据集和预设汉字表构建训练样本，对训练样本进行迁移学习得到网络权值，基于网络权值将目标图片在网络中进行向前传播，以获得目标预测值作为目标图片的汉字在目标图片中的预测位置，本方案可以通过深度学习的方式在图片上对汉字进行定位，在进行模型训练后，直接可以确定出汉字在图片的预测位置，整个过程花费的时间较少，可以满足实时处理的需求。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示意性示出了根据本公开的示例性实施方式的汉字定位方法的流程图；

图2示意性示出了根据本公开的示例性实施方式的训练样本的效果图；

图3示出了根据本公开的示例性实施方式的非极大值抑制前后的效果对比的示意图；

图4示意性示出了确定图片中汉字对应的区域的一个实施例的效果图；

图5示意性示出了根据本公开的示例性实施方式的汉字定位装置的方框图；

图6示意性示出了根据本公开的示例性实施方式的汉字定位装置的另一方框图；

图7示意性示出了根据本公开的示例性实施方式的汉字定位装置的又一方框图；

图8示意性示出了根据本公开的示例性实施方式的训练样本构建模块的方框图；

图9示意性示出了根据本公开的示例性实施方式的背景图片样本获取子模块的方框图；

图10示出了根据本公开的示例性实施方式的存储介质的示意图；以及

图11示意性示出了根据本公开的示例性实施方式的电子设备的方框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1示意性示出了本公开的示例性实施方式的汉字定位方法的流程图。参考图1，所述汉字定位方法可以包括以下步骤：

s10.基于预设背景图片数据集和预设汉字表构建目标数量个训练样本；其中，各所述训练样本中标注有汉字位于背景图片的区域；

s12.获取深度学习模型的模型配置参数文件和均值文件；

s14.对所述训练样本进行迁移学习迭代并基于所述模型配置参数文件和均值文件得到网络权值；

s16.获取目标图片，并基于所述网络权值将所述目标图片在网络中进行前向传播，以获得目标预测值作为所述目标图片的汉字在所述目标图片中的预测区域。

在本公开的一些实施例所提供的技术方案中，基于背景图片数据集和预设汉字表构建训练样本，对训练样本进行迁移学习得到网络权值，基于网络权值将目标图片在网络中进行向前传播，以获得目标预测值作为目标图片的汉字在目标图片中的预测位置，本方案可以通过深度学习的方式在图片上对汉字进行定位，在进行模型训练后，直接可以确定出汉字在图片的预测位置，整个过程花费的时间较少，可以满足实时处理的需求。

下面将对本公开的示例性实施方式的汉字定位方法的各步骤进行详细说明。

在步骤s10中，基于预设背景图片数据集和预设汉字表构建目标数量个训练样本；其中，各所述训练样本中标注有汉字位于背景图片的区域。

根据本公开的一些实施例，预设背景图片数据集可以是开发人员预先确定的图片数据集，具体的，可以将voc2012数据集作为本公开所述预设背景图片数据集。然而，不限于此，还可以使用其他年份版本的voc数据集作为预设背景图片数据集，或者预设背景图片数据集可以包括其他数据集，例如，widerface数据集等。

另外，预设汉字表可以是开发人员预先确定的汉字表，例如，可以将包含7000余汉字的《现代汉语通用字表》确定为预设汉字表，然而，应当理解的是，还可以从《现代汉语通用字表》中的所有汉字中抽取一些汉字作为预设汉字表，或者还可以使用其他类型的汉字表作为本公开所述的预设汉字表。

本公开对预设背景图片数据集和预设汉字表的选取范围不做特殊限定。

根据本公开的一些实施例，服务器可以从预设背景图片数据集中获取目标数量个背景图片样本，其中，目标数量可以由开发人员根据实际需要以及服务器处理能力进行设定，例如，目标数量可以为10万。

具体的，首先，服务器可以确定预设背景图片数据集中各背景图片的路径；接下来，服务器可以基于各背景图片的路径生成目标数量个随机数，其中，具体生成随机数的方法可以与现有的方法相同，本公开对此不再赘述；随后，服务器可以根据生成的随机数确定预设背景图片数据集中的背景图片，并将这目标数量个背景图片作为背景图片样本。另外，当需要进行模型训练时，服务器可以获取这些背景图片样本。

根据本公开的一些实施例，服务器可以从预设汉字表中获取目标数量个汉字样本组，其中，汉字样本组中可以包含多个汉字，例如，可以包括5至10个汉字，应当注意的是，本公开对汉字样本组中汉字的数量不做特殊限定。

具体的，一方面，服务器可以将预设汉字表中的汉字数据存储在一映射表中，其中，键值为汉字的序号，值为宽字符类型的汉字；另一方面，获取需生成的汉字字体对应的文件路径，本公开中的汉字的字体可以包括宋体、黑体、楷体、幼圆、隶书，对应的文件分别为simsun.ttc、simhei.ttf、simkai.ttf、simyou.ttf、simli.ttf。然而，容易理解的是，本公开的汉字的字体还可以包含其他字体，具体可以通过添加相关字体文件的方式实现更多字体的目的；又一方面，可以判断汉字生成区域的颜色均值的灰度值是否小于一阈值(例如，120)，当小于该阈值时，可以将汉字生成为白色，当不小于该阈值时，可以将汉字生成为黑色。其中，灰度值可以根据颜色均值的r(红)、g(绿)、b(蓝)值进行计算得到，具体的，计算公式可以表示为式(1)：

灰度值＝0.299*r+0.587*g+0.114*b(1)

另外，本公开对生成的汉字的尺寸不做特殊限定。服务器可以随机生成不同尺寸的汉字。

接下来，可以分别将背景图片样本与汉字样本组进行叠加以构建目标数量个训练样本。

首先，可以设置循环次数，以目标数量为10万为例，可以将循环次数设置为10万；接下来，在每次循环中，可以从背景图片样本中随机获取一图片样本，另外，调用上述汉字数据对应的映射表，随机选择多个(例如，5至10个)汉字作为汉字样本组，并对汉字的字体和/或颜色进行随机设置，以构建包含字体随机并且/或者颜色随机的多个汉字的汉字样本组；随后，将汉字样本组中的每一汉字依次生成在背景图片样本的随机位置上，以完成汉字图片的叠加，并将叠加后的结果作为训练样本。

另外，在将汉字生成在背景图片样本的随机位置上前，可以预先判断该位置是否已有汉字，若有汉字，则可以更换随机位置，以避免汉字在背景图片上的重合。图2示例性示出了一个训练样本的效果图。

在本公开的示例性实施方式中，服务器还可以对各训练样本中汉字在背景图片中的区域进行标注，其中，可以以矩形框的形式对汉字的区域进行标注。此外，服务器还可以配置一真实值文件，该真实值文件中包含有训练样本中汉字的内容、尺寸和坐标等信息。

在步骤s12中，获取深度学习模型的模型配置参数文件和均值文件。

本公开可以采用googlenet网格结构作为深度学习模型对训练样本进行训练。然而，不限于此，本公开还可以采用其他深度学习模型来实现相同的功能，例如lenet网络结构、vgg网络结构、深度残差网络(deepresiduallearning)等。

以googlenet网格结构为例，模型配置参数文件可以包含googlenet模型参数，例如基础学习率、步长、迭代次数等。根据本公开的一些实施例，可以将基础学习率设定为0.0001，步长设定为150000，迭代次数设定为5000次。另外，模型配置参数文件还可以包含执行训练的工具的相应参数，例如，针对不同的深度学习模型，matlab的运行参数也可能不同，模型配置参数文件中也可以包含matlab的运行参数信息。

在获取模型配置参数文件时，为了在数据预处理过程中平稳数据，服务器还可以获取均值文件，以实现逐训练样本的均值消减。具体的，可以通过预先对所有训练样本取平均值的方法确定出均值文件，其中，确定均值文件的方法与现有一些技术中确定均值文件的方法相同，在此不再赘述。

在步骤s14中，对所述训练样本进行迁移学习迭代并基于所述模型配置参数文件和均值文件得到网络权值。

在步骤s12获取的模型配置参数文件和均值文件的基础上，对步骤s10中构建的训练样本进行迁移学习，进而得到网络的权值。

具体的，根据配置参数文件中的参数设定及均值文件的处理过程，在voc2012数据集20类目标检测模型基础上，利用迁移学习的过程，可以对训练样本进行模型训练。例如，首先，可以针对voc2012数据集中交通工具模型进行训练得到训练结果；接下来，通过迁移学习的方式将交通工具模型的训练结果迁移到其他模型(例如，人体模型等)中，即可实现对其他模型的训练过程。其中，以上述10万个训练样本为例，可以先将该10万个训练样本划分成训练集和验证集，例如，可以训练集数量可以为9万，验证集数量可以为1万。随后，训练的结果可以作为本公开所述的网络权值。

对训练样本进行迁移学习后，可以得到网络的权值，其中，网络的权值可以意指通过网络中某一路径的概率，权值越大，则经由该路径传播的概率越大。另外，本公开对网络的层数不做特殊限定。

由此，在本公开的步骤s14后，可以形成深度学习的训练网络。

在步骤s16中，获取目标图片，并基于所述网络权值将所述目标图片在网络中进行前向传播，以获得目标预测值作为所述目标图片的汉字在所述目标图片中的预测区域。

在本公开的示例性实施方式中，目标图片为根据用户需求待确定汉字位置的图片。基于步骤s14得到的网络权值，针对目标图片对网络进行前向传播，传播结果为汉字在目标图片中位置的预测值，即目标预测值，并可以将目标预测值作为目标图片的汉字在目标图片中的预测区域。其中，网络中前向传播可以指代下述过程，首先，将目标图片输入至网络的输入层；接下来，按上述训练网络并基于网络权值进行逐层传播，其中，网络中每个节点(网络中的神经元)均可以对目标图片进行分析；随后，前向传播后的结果由网络的输出层输出。

鉴于步骤s16确定出的预测区域可能有若干个，因此，本公开的示例性实施方式的汉字定位方法还可以包括对确定出的预测区域进行非极大值抑制(non-maximumsuppression，nms)，以确定出目标图片中汉字对应的区域。其中，非极大值抑制为一种获取局部最大值的有效方法，仅针对非极大值抑制，图3给出了抑制前后的效果对比图，图3中图片a存在多个区域，在经历非极大值抑制处理后，区域仅剩下图片b中的区域30。另外，本公开采用的具体方法可以与现有的非极大值抑制方法相同，在此不再赘述。

在本公开的示例性实施方式中，本公开的汉字定位方法还包括在确定出目标图片中汉字对应的区域后，可以在目标图片中标识汉字对应的区域，得到人机交互的效果，便于人为查看。图4以矩形框结合中心点的形式示例性说明了标识效果。然而，还可以以其他形式对汉字对应的区域进行标识，例如，圆形框、标注星形标记等。

通过上述汉字定位方法，一方面，可以借助于深度学习确定出图片中汉字的位置；另一方面，相对于现有的一些方法，本公开所述的汉字定位方法耗时较少，具体的，本公开对汉字进行定位所需的时间为毫秒级，例如，针对一张500*500的图片，对其中汉字进行定位仅需约15毫秒，可以更好地满足实时处理需求。

应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

进一步的，本示例实施方式中还提供了一种汉字定位装置。

图5示意性示出了本公开的示例性实施方式的汉字定位装置的方框图。参考图5，根据本公开的示例性实施方式的汉字定位装置5可以包括训练样本构建模块51、文件获取模块53、网络权值得到模块55和预测区域获得模块57，其中：

训练样本构建模块51，可以用于基于预设背景图片数据集和预设汉字表构建目标数量个训练样本；其中，各所述训练样本中标注有汉字位于背景图片的区域；

文件获取模块53，可以用于获取深度学习模型的模型配置参数文件和均值文件；

网络权值得到模块55，可以用于对所述训练样本进行迁移学习迭代并基于所述模型配置参数文件和均值文件得到网络权值；

预测区域获得模块57，可以用于获取目标图片，并基于所述网络权值将所述目标图片在网络中进行前向传播，以获得目标预测值作为所述目标图片的汉字在所述目标图片中的预测区域。

在本公开的示例性实施方式的汉字定位装置中，可以通过深度学习的方式在图片上对汉字进行定位，在进行模型训练后，直接可以确定出汉字在图片的预测位置，整个过程花费的时间较少，可以满足实时处理的需求。

根据本公开的示例性实施例，参考图6，汉字定位装置6相比于汉字定位装置5，除包括训练样本构建模块51、文件获取模块53、网络权值得到模块55和预测区域获得模块57外，还可以包括汉字区域确定模块61，其中：

汉字区域确定模块61，可以用于对所述预测区域进行非极大值抑制，以确定所述目标图片中汉字对应的区域。

根据本公开的示例性实施例，参考图7，汉字定位装置7相比于汉字定位装置6，除包括训练样本构建模块51、文件获取模块53、网络权值得到模块55、预测区域获得模块57和汉字区域确定模块61外，还可以包括汉字区域标识模块71，其中：

汉字区域标识模块71，可以用于在所述目标图片中标识汉字对应的区域。

根据本公开的示例性实施例，参考图8，训练样本构建模块51可以包括背景图片样本获取子模块801、汉字样本组获取子模块803和图片汉字叠加子模块805，其中：

背景图片样本获取子模块801，可以用于从预设背景图片数据集中获取目标数量个背景图片样本；

汉字样本组获取子模块803，可以用于从预设汉字表中获取目标数量个汉字样本组；

图片汉字叠加子模块805，可以用于分别将所述背景图片样本与所述汉字样本组进行叠加以构建目标数量个训练样本。

根据本公开的示例性实施例，参考图9，背景图片样本获取子模块801可以包括图片路径获取单元9001、随机数生成单元9003、背景图片确定单元9005和背景图片样本获取单元9007，其中：

图片路径获取单元9001，可以用于获取所述预设背景图片数据集中各背景图片的路径；

随机数生成单元9003，可以用于基于所述路径生成目标数量个随机数；

背景图片确定单元9005，可以用于根据所述随机数确定对应的背景图片作为背景图片样本；

背景图片样本获取单元9007，可以用于获取所述背景图片样本。

根据本公开的示例性实施例，所述汉字样本组中包含字体随机并且/或者颜色随机的多个汉字。

由于本发明实施方式的程序运行性能分析装置的各个功能模块与上述方法发明实施方式中相同，因此在此不再赘述。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图10所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品1000，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图11来描述根据本发明的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图11所示，电子设备1100以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130、显示单元1140。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1110执行，使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1110可以执行如图1中所示的步骤s10：基于预设背景图片数据集和预设汉字表构建目标数量个训练样本；其中，各所述训练样本中标注有汉字位于背景图片的区域；步骤s12：获取深度学习模型的模型配置参数文件和均值文件；步骤s14：对所述训练样本进行迁移学习迭代并基于所述模型配置参数文件和均值文件得到网络权值；步骤s16：获取目标图片，并基于所述网络权值将所述目标图片在网络中进行前向传播，以获得目标预测值作为所述目标图片的汉字在所述目标图片中的预测区域。

存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)11201和/或高速缓存存储单元11202，还可以进一步包括只读存储单元(rom)11203。

存储单元1120还可以包括具有一组(至少一个)程序模块11205的程序/实用工具11204，这样的程序模块11205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1100也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。