语料合成方法、装置、电子设备和存储介质制造方法及图纸

本申请提供一种语料合成方法、装置、电子设备和存储介质，用以灵活的配置各种需要经常调整的参数，合成不同参数的图像样本只需修改配置文件中各项参数值、不需修改程序。语料合成方法包括：建立资源文件夹，资源文件夹中包含资源文件；建立配置文件夹，配置文件夹中包含配置文件；获取语料配置参数，于配置文件夹中获取与配置参数匹配的配置文件，并调用资源文件合成语料样本。

【技术实现步骤摘要】
语料合成方法、装置、电子设备和存储介质
本申请涉及计算机
，具体而言，涉及一种语料合成方法、装置、电子设备和存储介质。
技术介绍
近年来OCR技术(OpticalCharacterRecognition，光学字符识别)已在各种场景下广泛应用，文本识别是其中最重要的一项应用。文本识别通常基于真实图像样本或合成图像样本训练识别模型，由于模型训练所需样本数量大，而真实样本标注成本过高。现有的方式通过编写程序来定义合成的语料、字体、背景和数量等参数，然后合成图像样本；然而实际应用中、通过编写程序来定义合成参数存在以下问题：1.基础、字体、语料和效果多采用编写程序的方式实现，不同程序模块写定各项参数如合成的图像样本的大小、字体文件、背景文件、字典文件等通用的配置，导致程序代码臃肿；2.对于不同类型的语料如从海量语料文件中随机抽取字符、或从指定内容范围的特殊语料文件抽取词组，需要编写不同的程序模块来实现，代码结构重复、具体代码实现又不一样、不够灵活；3.对于符合一定规则的语料，如：日期、身份证号、金额等，需要在程序中写本文档来自技高网...

【技术保护点】
1.一种语料合成方法，其特征在于，包括：/n建立资源文件夹，所述资源文件夹中包含资源文件；/n建立配置文件夹，所述配置文件夹中包含配置文件；/n获取语料配置参数，于所述配置文件夹中获取与所述配置参数匹配的配置文件，并调用所述资源文件合成语料样本。/n

【技术特征摘要】
1.一种语料合成方法，其特征在于，包括：
建立资源文件夹，所述资源文件夹中包含资源文件；
建立配置文件夹，所述配置文件夹中包含配置文件；
获取语料配置参数，于所述配置文件夹中获取与所述配置参数匹配的配置文件，并调用所述资源文件合成语料样本。


2.根据权利要求1所述的方法，其特征在于，所述资源文件包括字体文件、背景文件、语料文件和/或字典文件；其中，
所述字体文件包括合成所述语料样本的字体文件；
所述背景文件包括合成所述语料样本的图像文件；
所述语料文件包括放置到所述图像文件中的文字内容；
所述字典文件包括合成所述语料样本的字符范围。


3.根据权利要求1所述的方法，其特征在于，所述配置文件包含基础配置文件、语料配置文件、字体配置文件和/或效果配置文件；其中，
所述基础配置文件包括图像类型、图像大小、所述资源文件的路径和/或存放目标路径；
所述语料配置文件包括普通语料、特殊语料和/或正则表达式语料；
所述字体配置文件包括中文字体和/或外文字体；
所述效果配置文件包括加粗、旋转和/或模糊。


4.根据权利要求3所述的方法，其特征在于，所述配置文件包括正则表达式语料；所述获取语料配置参数，于所述配置文件夹中获取与所述配置参数匹配的配置文件，并调用所述资源文件合成语料样本，包括：
定义所需的正则表达式；
将正则表达式转换为不同正则模式集合，其中，所述正则模式集合包含字符范围集合和次数范围；
遍历所述正则模式集合中的各个元素，依次根据规定的字符范围集合和次数范围随机选取整数，从相应的字符范围集合中有放回随机抽取整数个字符，加入字符集合；
将不同部分的字符集合拼接组成完整字符串；
根据所述语料配置参数调用所述字体配置文件和效果配置文件，与所述完整字符串合成语料样本。


5.一种语料合成装置，其特征在于，包括：
第一建立模块，用于建立资源文件夹，所述资源文件夹中包含资源文件；
第二建立模块...

【专利技术属性】
技术研发人员：唐林玉，田强，张舒怡，
申请(专利权)人：阳光保险集团股份有限公司，
类型：发明
国别省市：广东;44