一种文本识别方法、装置、计算机设备、存储介质及产品与流程

本申请涉及图像识别，尤其涉及一种文本识别方法、装置、计算机设备、存储介质及产品。

背景技术：

1、随着计算机技术的发展，图像识别的应用越来越广泛，如笔记图片、视频截图、广告图片、商品图片等图像上大部分都包含了文字，这些文字识别对情景识别、场景识别、商品内容识别、搜索推荐等有很大的辅助作用。目前对于图像中的文本识别，主要采用的方式是通过ocr文字识别(optical character recognition，ocr)识别图像中的文本信息，然而ocr文字识别虽然可以识别出图像中的文本信息，但是并不知道识别出的文本信息具体是什么文本类别，比如，ocr从一个图像中识别出两个文本，分别是：622***5541，广东市***，并不知道第一个文本代表银行卡号、第二个文本代表户籍地址。因此，如何更有效地识别图像中文本非常重要。

技术实现思路

1、本申请实施例提供了一种文本识别方法、装置、计算机设备、存储介质及产品，可有效识别出图像中的文本和文本类别，提高文本识别的准确性。

2、第一方面，本申请实施例提供了一种文本识别方法，包括：

3、获取样本图像数据集，所述样本图像数据集包括多个样本图像，各个样本图像中包括文本信息以及为每个文本信息添加的文本类别标签；

4、获取所述各个样本图像中的一个或多个文本区域图像，并获取所述一个或多个文本区域图像中的各个文本区域图像在对应各个样本图像中的区域信息，所述区域信息包括位置信息和/或尺寸信息；

5、将所述各个文本区域图像、所述各个文本区域图像在对应各个样本图像中的区域信息以及所述各个样本图像对应的每个文本信息的文本类别标签输入预设的神经网络模型进行训练，得到文本识别模型；

6、获取待处理图像，并将所述待处理图像输入所述文本识别模型，得到所述待处理图像的文本信息，所述文本信息包括文本和文本类别。

7、第二方面，本申请实施例提供了一种文本识别装置，包括：

8、第一获取单元，用于获取样本图像数据集，所述样本图像数据集包括多个样本图像，各个样本图像中包括文本信息以及为每个文本信息添加的文本类别标签；

9、第二获取单元，用于获取所述各个样本图像中的一个或多个文本区域图像，并获取所述一个或多个文本区域图像中的各个文本区域图像在对应各个样本图像中的区域信息，所述区域信息包括位置信息和/或尺寸信息；

10、训练单元，用于将所述各个文本区域图像、所述各个文本区域图像在对应各个样本图像中的区域信息以及所述各个样本图像对应的每个文本信息的文本类别标签输入预设的神经网络模型进行训练，得到文本识别模型；

11、识别单元，用于获取待处理图像，并将所述待处理图像输入所述文本识别模型，得到所述待处理图像的文本信息，所述文本信息包括文本和文本类别。

12、第三方面，本申请实施例提供了一种计算机设备，所述计算机设备包括：处理器和存储器，所述处理器用于执行上述第一方面所述的方法。

13、第四方面，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有程序指令，该程序指令被执行时实现上述第一方面所述的方法。

14、第五方面，本申请实施例公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括程序指令，所述程序指令被处理器执行时实现上述第一方面所述的方法。

15、本申请实施例可以获取样本图像数据集，样本图像数据集包括多个样本图像，各个样本图像中包括文本信息以及为每个文本信息添加的文本类别标签；获取各个样本图像中的一个或多个文本区域图像，并获取各个文本区域图像在对应各个样本图像中的区域信息，该区域信息包括位置信息和/或尺寸信息；将各个文本区域图像、各个文本区域图像在对应各个样本图像中的区域信息以及各个样本图像对应的每个文本信息的文本类别标签输入预设的神经网络模型进行训练，得到文本识别模型；将所述待处理图像输入文本识别模型，得到待处理图像的文本和文本类别，通过这种方式可有效识别出图像中的文本和文本类别，有助于提高文本识别的准确性。

技术特征：

1.一种文本识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述区域信息包括位置信息；所述获取所述一个或多个文本区域图像中的各个文本区域图像在对应各个样本图像中的区域信息，包括：

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求1所述的方法，其特征在于，所述区域信息包括尺寸信息；所述获取所述一个或多个文本区域图像中的各个文本区域图像在对应各个样本图像中的区域信息，包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述各个文本区域图像、所述各个文本区域图像在对应各个样本图像中的区域信息以及所述各个样本图像对应的每个文本信息的文本类别标签输入预设的神经网络模型进行训练，得到文本识别模型，包括：

6.根据权利要求5所述的方法，其特征在于，所述将提取得到的各个文本图像特征信息、各个区域特征信息以及所述各个文本区域图像的文本类别标签输入预设的神经网络模型进行训练，得到所述文本识别模型，包括：

7.根据权利要求6所述的方法，其特征在于，所述根据所述各个样本文本、所述各个样本文本的类别信息以及所述各个文本区域图像的文本类别标签确定损失函数值，包括：

8.一种文本识别装置，其特征在于，包括：

9.一种计算机设备，其特征在于，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储计算机程序，所述处理器被配置用于调用所述计算机程序，执行如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，该程序指令被执行时实现如权利要求1-7任一项所述的方法。

11.一种计算机程序产品，其特征在于，所述计算机程序产品包括程序指令，所述程序指令被处理器执行时实现权利要求1-7任一项所述方法。

技术总结
本申请实施例公开了一种文本识别方法、装置、计算机设备、存储介质及产品，该方法包括：获取样本图像数据集，样本图像数据集包括多个样本图像，各个样本图像中包括文本信息以及为每个文本信息添加的文本类别标签；获取各个样本图像中的一个或多个文本区域图像，并获取各个文本区域图像在对应各个样本图像中的区域信息，区域信息包括位置信息和/或尺寸信息；将各个文本区域图像、各个区域信息以及各个文本类别标签输入预设的神经网络模型进行训练，得到文本识别模型；获取待处理图像，并将该待处理图像输入该文本识别模型，得到该待处理图像的文本和文本类别，可有效识别出图像中的文本和文本类别，提高文本识别的准确性。

技术研发人员：隆超
受保护的技术使用者：书行科技（北京）有限公司
技术研发日：
技术公布日：2024/3/21