字符检测模型的生成、字符检测方法、装置、设备及介质与流程

本公开实施例涉及数据技术，尤其涉及一种字符检测模型的生成、字符检测方法、装置、设备及介质。

背景技术：

ocr(opticalcharacterrecognition，光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。

在ocr识别过程中，首先要利用字符检测模型检测待识别图片中各个字符的位置信息，进而获取与各个字符对应的字符图像。训练字符检测模型需要大量的字符检测训练样本数据，其中，每组字符检测训练样本数据至少包括待识别图片和待识别图片中各个字符图像的位置信息。字符检测训练样本数据，尤其是与小语种文字(例如是印地语)相关的字符检测训练样本数据，通常是基于人工对待识别图片中的各个字符进行标注后生成的，但是人工标注的效率比较低，人工成本却比较高。

技术实现要素：

本公开实施例提供一种字符检测模型的生成、字符检测方法、装置、设备及介质，以实现对图片中各字符的自动标注，替代人工的字符标注工作，提高字符标注的效率，进而为训练字符检测模型快速生成大量的字符检测训练样本数据。

第一方面，本公开实施例提供了一种字符检测模型的生成方法，该方法包括：

根据至少一个字符图像和空白背景图片构造至少一张待识别文字图片；

获取所述至少一张待识别文字图片中各字符图像的定位信息；

将所述待识别文字图片以及所述待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据；

采用至少一组字符检测训练样本数据，对标准检测模型进行训练，生成字符检测模型。

进一步的，所述根据至少一个字符图像和空白背景图片构造至少一张待识别文字图片，包括：

将至少一个字符图像拼接成至少一个字符行图像；

根据所述至少一个字符行图像和空白背景图片构造至少一张待识别文字图片。

进一步的，所述根据所述至少一个字符行图像和空白背景图片构造至少一张待识别文字图片，包括：

将所述至少一个字符行图像按照预设定位信息添加至所述空白背景图片上，构造出至少一张待识别文字图片。

进一步的，所述定位信息包括位置信息和旋转角度信息。

进一步的，在所述将所述待识别文字图片以及所述待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据之前，还包括：

对所述待识别文字图片添加噪声。

进一步的，所述标准检测模型为原始机器学习模型；

所述采用至少一组字符检测训练样本数据，对标准检测模型进行训练，生成字符检测模型，包括：

采用至少一组字符检测训练样本数据以及标准字符检测训练样本集，对所述原始机器学习模型进行训练，生成字符检测模型。

进一步的，所述字符包括印地语字符。

第二方面，本公开实施例还提供了一种字符检测方法，包括：

获取待识别文字图片；

将所述待识别文字图片输入至通过本公开任意实施例所述的字符检测模型的生成方法生成的字符检测模型；

获取所述字符检测模型输出的所述待识别文字图片中各字符图像的定位信息。

进一步的，所述定位信息包括位置信息和旋转角度信息，所述字符包括印地语字符。

第三方面，本公开实施例还提供了一种字符检测模型的生成装置，该装置包括：

待识别文字图片构造模块，用于根据至少一个字符图像和空白背景图片构造至少一张待识别文字图片；

定位信息获取模块，用于获取所述至少一张待识别文字图片中各字符图像的定位信息；

训练样本数据生成模块，用于将所述待识别文字图片以及所述待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据；

模型训练模块，用于采用至少一组字符检测训练样本数据，对标准检测模型进行训练，生成字符检测模型。

进一步的，所述待识别文字图片构造模块包括：字符行图像构造单元和待识别文字图片构造单元，其中，

所述字符行图像构造单元，用于将至少一个字符图像拼接成至少一个字符行图像；

所述待识别文字图片构造单元，用于根据所述至少一个字符行图像和空白背景图片构造至少一张待识别文字图片。

进一步的，所述待识别文字图片构造单元具体用于将所述至少一个字符行图像按照预设定位信息添加至所述空白背景图片上，构造出至少一张待识别文字图片。

进一步的，所述定位信息包括位置信息和旋转角度信息。

进一步的，所述字符检测模型的生成装置还包括：图片处理模块，用于在将所述待识别文字图片以及所述待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据之前，对所述待识别文字图片添加噪声。

进一步的，所述标准检测模型为原始机器学习模型；

所述模型训练模块具体用于采用至少一组字符检测训练样本数据以及标准字符检测训练样本集，对所述原始机器学习模型进行训练，生成字符检测模型。

进一步的，所述字符包括印地语字符。

第四方面，本公开实施例还提供了一种字符检测装置，包括：待识别文字图片获取模块，用于获取待识别文字图片；

检测模块，用于将所述待识别文字图片输入至通过本公开任意实施例所述的字符检测模型的生成装置生成的字符检测模型；

检测结果获取模块，用于获取所述字符检测模型输出的所述待识别文字图片中各字符图像的定位信息。

进一步的，所述定位信息包括位置信息和旋转角度信息，所述字符包括印地语字符。

第五方面，本公开实施例还提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开任意实施例所述的字符检测模型的生成方法。

第六方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开任意实施例所述的字符检测模型的生成方法。

第七方面，本公开实施例还提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开任意实施例所述的字符检测方法。

第八方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开任意实施例所述的字符检测方法。

本公开实施例通过根据至少一个字符图像和空白背景图片构造至少一张待识别文字图像，进而将待识别文字图片以及待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据的技术方案来实现快速生成大量的字符检测训练样本，以此来替代通过人工标注来生成字符检测训练样本的方式，提高了字符检测训练样本的生成效率，进而可以为训练字符检测模型快速且大量地提供训练样本。上述技术方案对于能够检测小语种文字的字符检测模型是非常有意义的，解决了通过人工标注来生成针对小语种文字的字符检测训练样本时存在的效率低且成本高的问题。

附图说明

图1是本公开实施例一提供的一种字符检测模型的生成方法的流程图；

图2是本公开实施例二提供的一种字符检测方法的流程图；

图3是本公开实施例三提供的一种字符检测模型的生成装置的结构示意图；

图4是本公开实施例四提供的一种字符检测装置的结构示意图；

图5是本公开实施例五提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分而非全部结构。

实施例一

图1为本公开实施例一提供的一种字符检测模型的生成方法的流程图，本实施例可适用于生成用于检测字符在待识别文字图片中的定位信息的字符检测模型的情况，该方法可以由字符检测模型的生成装置来执行，该装置可以采用软件和/或硬件的方式实现，该装置可以配置于电子设备中，例如典型的是计算机等。如图1所示，该方法具体包括如下步骤：

s110、根据至少一个字符图像和空白背景图片构造至少一张待识别文字图片。

典型的，字符图像为与小语种语言对应的单个字符的图像，具体可以是印地语字符图像。构造出大量的针对小语种语言的字符检测训练样本数据对字符检测模型进行训练，以使训练后的字符检测模型可以成功检测出待识别文字图片中的各个小语种字符的定位信息，进而可以使用字符识别模型对待识别文字图片中的各个小语种字符图像进行字符识别。

具体的，可以通过网络爬虫技术获取网络上的大量与小语种语言对应的语料，根据与语料对应的unicode在字体库中获取与语料对应的各个字符的字符图像，进而将各个字符图像添加在一张空白背景图片上构成一张待识别文字图片，其中，在将字符图像添加在空白背景图片上时，需要首先确定出字符图像在空白背景图片中的定位信息。

具体的，定位信息包括位置信息和旋转角度信息。

其中，位置信息具体可以是字符图像的边界点或中心点在空白背景图片中的坐标位置信息，以字符图像的边界为大小已知的矩形框为例(通常针对同一种语言的各字符图像的大小是一致的)，则可以将该字符图像的左上边界点和右下边界点的坐标位置信息(或者左下边界点和右上边界点的坐标位置信息)作为该字符图像的位置信息，也可以将该字符图像的中心点的坐标位置信息作为该字符图像的位置信息。旋转角度信息具体可以是字符图像的横对称轴与水平方向的夹角信息，也可以为字符图像的纵对称轴与竖直方向的夹角信息，具体可以将横对称轴顺时针旋转至水平方向的夹角(锐角)设定为正值，将横对称轴逆时针旋转至水平方向的夹角(锐角)设定为负值，对于纵坐标轴也可以同样方式进行设定。

作为本实施例一种具体的实施方式，可以将根据至少一个字符图像和空白背景图片构造至少一张待识别文字图片，具体为：将至少一个字符图像拼接成至少一个字符行图像；根据至少一个字符行图像和空白背景图片构造至少一张待识别文字图片。

由于使用小语种不便于进行举例说明，下述以中文进行解释说明。例如，根据语料“我是中国人”获取到分别与字符“我”、“是”、“中”、“国”、“人”对应的字符图像，其中，每个字符图像的像素为10*10，可以首先将这五个字符图像拼接成一个像素为10*50的字符行图像，然后再确定把这个像素为10*50的字符行图像添加至空白背景图片上时的旋转角度，以及在像素为480*480的空白背景图片中位置信息，最后根据确定的旋转角度和位置信息将字符行图像添加在空白背景图片中构造成一张待识别文字图片。

上述举例为将至少一个字符图像无缝拼接成至少一个字符行图像，还可以是将至少一个字符图像按预设间隔拼接成至少一个字符行图像，其中，各相邻字符图像之间间隔的像素大小可以是相同的，也可以是不同的(需分别将各个间隔的像素大小进行记录)。

典型的，可以将根据至少一个字符行图像和空白背景图片构造至少一张待识别文字图片，具体为：将至少一个字符行图像按照预设定位信息添加至空白背景图片上，构造出至少一张待识别文字图片。

预设定位信息可以是根据随机算法确定的位置信息和旋转角度信息。

具体的可以是，确定待添加字符行图像边界的左上顶点的位置点信息和旋转角度，例如位置点信息的像素坐标为(5，20)，旋转角度为5°，则将该字符行图像的左上顶点对准像素坐标为(5，20)的位置点，同时将该字符行图像逆时针旋转5°后添加至空白背景图片中。

其中，一张空白背景图片中可以只添加一个字符行图像后构成待识别文字图片，也可以添加至少两个字符行图像后构成待识别文字图片。

如果将至少两个字符行图像同时添加至空白背景图片上时，需要综合考虑至少两个字符行图像中每个字符行图像的像素大小、位置信息以及旋转角度信息，以避免存在不同字符行图像重叠的现象发生。

具体的，可以将空白背景图片划分为至少两个行区域，基于每个行区域分别随机确定添加至对应行区域中的字符行图像的位置信息和旋转角度信息，以使字符行图像完全落入对应的行区域中。其中，添加至空白背景图片中字符行图像的数量小于等于划分的行区域的数量。

具体的，还可以是先根据随机算法确定第一个字符行图像在空白背景图片的位置信息以及第一个字符行图像的旋转角度信息，进而将第一个字符行图像添加至空白背景图片中；然后再根据随机算法确定第二个字符行图像在该空白背景图片的剩余区域中的位置信息以及第二个字符行图像的旋转角度信息，进而将第二个字符行图像添加至该空白背景图片中(不与第一个字符行图像出现重叠)，添加第三个字符行图像时不与第一个字符行图像以及第二个字符行图像出现重叠，以此类推。

上述仅为示例性说明，本实施例对此不做具体限定，只要可以将至少两个字符行图像不重叠地添加至空白背景图片中即可。

s120、获取至少一张待识别文字图片中各字符图像的定位信息。

在构造完成待识别文字图片之后，获取该待识别文字图片中各字符图像的位置信息以及旋转角度信息。

接续前述举例，字符行图像的像素为10*50，包括五个字符图像，每个字符图像的像素为10*10，该字符行图像在待识别文字图片中的定位信息为字符行图像左上顶点的像素坐标为(5，20)，旋转角度为5°。由此可知，字符行图像中各个字符图像的旋转角度均和字符行图像的旋转角度相同为5°，首个字符图像的左上顶点的像素坐标为(5，20)，而且每个字符图像的像素大小是已知的，各个字符图像之间无间隔连接，进而可以依次确定各个字符图像的位置信息。具体的，确定的各个字符图像的位置信息可以是字符图像各个边界点的像素坐标信息，也可以是字符图像中心点的像素坐标信息。

如果字符行图像中各个字符图像之间不是无间隔连接，那么再结合各个间隔的像素大小，也可以依次确定出各个字符图像的位置信息。

如果待识别文字图片是依次将每个字符图像添加至空白背景图片上之后生成的，那么针对每个字符图像均存在一个专有的位置信息和旋转角度，进而将每个字符图像专有的位置信息和旋转角度分别作为对应字符图像的定位信息即可。

s130、将待识别文字图片以及待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据。

在确定了待识别文字图片中各个字符图像的定位信息后，将这些字符图像的定位信息与待识别文字图片对应起来，即可作为一组字符检测训练样本数据。

通过网络爬虫获取多段与小语种语言对应的语料，基于这些语料可以构造大量的待识别文字图片，进而生成大量的针对小语种语言的字符检测训练样本数据。甚至是，针对网络爬虫获取的同一段语料，可以将与该语料对应的各字符图像按照不同的预设定位信息添加至不同的空白背景图片中，以生成不同的待识别文字图片，由此也可以生成大量的针对小语种语言的字符检测训练样本数据。

作为本实施例一种具体的实施方式，在将所述待识别文字图片以及所述待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据之前，还可以对所述待识别文字图片添加噪声。

字符检测模型在实际应用中检测的待识别文字图片上往往会存在噪声点，例如是高斯噪声或是椒盐噪声。因此，为了模拟真实场景中的待识别文字图片，可以在构造生成待识别文字图片后，为其添加图像噪声，例如是高斯噪声或是椒盐噪声等。

s140、采用至少一组字符检测训练样本数据，对标准检测模型进行训练，生成字符检测模型。

在生成大量的字符检测训练样本数据之后，使用这些字符检测训练样本数据对标准检测模型进行训练，使标准检测模型根据这些样本数据进行学习后生成能够检测待识别文字图片中各个小语种字符图像的字符检测模型。

可选的，所述标准检测模型为原始机器学习模型。

对应的，所述采用至少一组字符检测训练样本数据，对标准检测模型进行训练，生成字符检测模型，具体为：采用至少一组字符检测训练样本数据以及标准字符检测训练样本集，对所述原始机器学习模型进行训练，生成字符检测模型。

原始机器学习模型可以是指未经训练的机器学习模型。字符检测模型可以是指经过训练后的机器学习模型，用于检测待识别文字图片中各个字符图像的定位信息，输入为待识别文字图片，输出为待识别文字图片中各个字符图像的定位信息。其中，标准字符检测训练样本集中包括的字符检测训练样本可以是指现有的、用于训练字符检测模型能够成功检测出待识别图片中大语种(例如中文、英文等)字符图像定位信息的训练样本，也即不是通过s110-s130生成的字符检测训练样本。进而，采用大量的字符检测训练样本数据以及标准字符检测训练样本集，对原始机器学习模型进行训练后生成字符检测模型，既能够检测出待识别文字图片中的大语种字符图片的定位信息，也能够检测出待识别文字图片中的小语种字符图片的定位信息。

在上述技术方案中，通过网络爬虫技术获取大量的针对小语种语言的语料，根据这些语料的内容获取与对应的各个字符的字符图像，进而将这些字符图像按照预设的定位信息添加至空白背景图片中，自动构造出大量的待识别文字图片。将待识别文字图片和其中各字符图像的定位信息对应起来即可作为训练字符检测模型的字符检测训练样本数据，由此，利用本实施例提供的方法能够快速地生成大量的字符检测训练样本数据，以使字符检测模型在被训练后能够有效识别待识别文字图片中对应的小语种字符图像的定位信息。

上述技术方案替代了人工使用标注框对已有的、与小语种语言对应的待识别文字图片中各字符进行标注，确定各字符在待识别文字图片中的定位信息，进而生成训练字符检测模型的字符检测训练样本数据，解决了人工标注存在的效率低且成本高的问题，实现了生成字符检测训练样本数据的自动化，提高了字符检测训练样本数据的生成效率。

实施例二

图2为本公开实施例二提供的一种字符检测方法的流程图，本实施例可适用于检测待识别文字图片中各字符图像的定位信息的情况，该方法可以由字符检测装置来执行，该装置可以采用软件和/或硬件的方式实现，该装置可以配置于电子设备中，例如典型的是计算机等。

如图2所示，该方法具体包括如下步骤：

s210、获取待识别文字图片。

本实施例中的待识别文字图片指的是用户在实际应用过程中需要进行字符识别的带有小语种语言的文字图片，例如是带有印地语字符的文字图片。

s220、将待识别文字图片输入至通过本公开任意实施例所述的字符检测模型的生成方法生成的字符检测模型。

在对待识别文字图片进行字符识别的实际应用过程中，首先需要使用字符检测模型对待识别文字图片中各字符的定位信息进行检测，然后在使用字符识别模型基于各字符的定位信息对待识别文字图片中的各字符进行识别。

其中，字符检测模型可以参照前述实施例的描述，字符检测模型具体的指的是能够检测待识别文字图片中各印地语字符的定位信息的字符检测模型。

将获取的包括印地语字符的待识别文字图片输入到本公开实施例一中所述方法生成的字符检测模型中，以获取待识别文字图片中各印地语字符的定位信息。

s230、获取字符检测模型输出的待识别文字图片中各字符图像的定位信息。

其中，定位信息包括位置信息和旋转角度信息。

字符检测模型对待识别文字图片进行检测后，输出该待识别文字图片中各个印地语字符图像的定位信息，进而使字符识别模型对待识别文字图片中的各个印地语字符图像进行字符识别。

本公开实施例对待识别文字图片中的各个字符的定位信息进行检测时使用前述实施例提供的字符检测模型，由于前述实施例提供的字符检测模型是根据自动构造的大量训练样本进行训练的，训练样本可以是具体针对某一小语种语言的，例如是印地语，进而本实施例提供的字符检测方法可以有效检测出待识别文字图片中对应的小语种语言字符图像的定位信息。

实施例三

图3为本公开实施例提供的一种字符检测模型的生成装置的结构示意图，本实施例可适用于生成用于检测字符在待识别文字图片中的定位信息的字符检测模型的情况。该装置可以采用软件和/或硬件的方式实现，该装置可以配置于电子设备中。如图3所示，该装置可以包括：待识别文字图片构造模块310、定位信息获取模块320、训练样本数据生成模块330和模型训练模块340，其中，。

待识别文字图片构造模块310，用于根据至少一个字符图像和空白背景图片构造至少一张待识别文字图片；

定位信息获取模块320，用于获取所述至少一张待识别文字图片中各字符图像的定位信息；

训练样本数据生成模块330，用于将所述待识别文字图片以及所述待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据；

模型训练模块340，用于采用至少一组字符检测训练样本数据，对标准检测模型进行训练，生成字符检测模型。

进一步的，待识别文字图片构造模块310包括：字符行图像构造单元和待识别文字图片构造单元，其中，

所述字符行图像构造单元，用于将至少一个字符图像拼接成至少一个字符行图像；

所述待识别文字图片构造单元，用于根据所述至少一个字符行图像和空白背景图片构造至少一张待识别文字图片。

进一步的，所述待识别文字图片构造单元具体用于将所述至少一个字符行图像按照预设定位信息添加至所述空白背景图片上，构造出至少一张待识别文字图片。

进一步的，所述定位信息包括位置信息和旋转角度信息。

进一步的，上述字符检测模型的生成装置还包括：图片处理模块，用于在将所述待识别文字图片以及所述待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据之前，对所述待识别文字图片添加噪声。

进一步的，所述标准检测模型为原始机器学习模型；

模型训练模块340具体用于采用至少一组字符检测训练样本数据以及标准字符检测训练样本集，对所述原始机器学习模型进行训练，生成字符检测模型。

具体的，所述字符包括印地语字符。

本公开实施例通过网络爬虫技术获取大量的针对小语种语言的语料，根据这些语料的内容获取与对应的各个字符的字符图像，进而将这些字符图像按照预设的定位信息添加至空白背景图片中，自动构造出大量的待识别文字图片。将待识别文字图片和其中各字符图像的定位信息对应起来即可作为训练字符检测模型的字符检测训练样本数据，由此，利用本实施例提供的方法能够快速地生成大量的字符检测训练样本数据，以使字符检测模型在被训练后能够有效识别待识别文字图片中对应的小语种字符图像的定位信息。

上述技术方案替代了人工使用标注框对已有的、与小语种语言对应的待识别文字图片中各字符进行标注，确定各字符在待识别文字图片中的定位信息，进而生成训练字符检测模型的字符检测训练样本数据，解决了人工标注存在的效率低且成本高的问题，实现了生成字符检测训练样本数据的自动化，提高了字符检测训练样本数据的生成效率。

本公开实施例提供的字符检测模型的生成装置，与实施例一提供的字符检测模型的生成方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见实施例一，并且本公开实施例与实施例一具有相同的有益效果。

实施例四

图4为本公开实施例提供的一种字符检测装置的结构示意图，本实施例可适用于检测待识别文字图片中各字符图像的定位信息的情况。该装置可以采用软件和/或硬件的方式实现，该装置可以配置于电子设备中。如图4所示，该装置可以包括：待识别文字图片获取模块410、检测模块420和检测结果获取模块430，其中，

待识别文字图片获取模块410，用于获取待识别文字图片；

检测模块420，用于将所述待识别文字图片输入至本公开任意实施例所述的字符检测模型的生成装置生成的字符检测模型；

检测结果获取模块430，用于获取所述字符检测模型输出的所述待识别文字图片中各字符图像的定位信息。

进一步的，所述定位信息包括位置信息和旋转角度信息，所述字符包括印地语字符。

本公开实施例对待识别文字图片中的各个字符的定位信息进行检测时使用前述实施例提供的字符检测模型，由于前述实施例提供的字符检测模型是根据自动构造的大量训练样本进行训练的，训练样本可以是具体针对某一小语种语言的，例如是印地语，进而本实施例提供的字符检测方法可以有效检测出待识别文字图片中对应的小语种语言字符图像的定位信息。

本公开实施例提供的字符检测装置，与实施例二提供的字符检测方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见实施例二，并且本公开实施例与实施例二具有相同的有益效果。

实施例五

本公开实施例提供了一种电子设备，下面参考图5，其示出了适于用来实现本公开实施例的电子设备(例如终端设备或服务器)500的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(pda)、平板电脑(pad)、便携式多媒体播放器(pmp)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储装置508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。

通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的字符检测模型的生成方法或字符检测方法中限定的上述功能。

实施例六

本公开实施例还提供了一种计算机可读存储介质，计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机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：电线、光缆、射频(rf)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：根据至少一个字符图像和空白背景图片构造至少一张待识别文字图片；获取所述至少一张待识别文字图片中各字符图像的定位信息；将所述待识别文字图片以及所述待识别文字图片中各字符图像的定位信息对应作为一组字符检测训练样本数据；采用至少一组字符检测训练样本数据，对标准检测模型进行训练，生成字符检测模型。

或者上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待识别文字图片；将所述待识别文字图片输入至通过本公开任意实施例所述的字符检测模型的生成方法生成的字符检测模型；获取所述字符检测模型输出的所述待识别文字图片中各字符图像的定位信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，“待识别文字图片构造模块”还可以被描述为“构造至少一张待识别文字图片的模块”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。