【技术实现步骤摘要】
文本识别模型框架的训练方法、装置及系统
[0001]本公开涉及人工智能
,具体为计算机视觉和深度学习
,尤其涉及一种文本识别模型框架的训练方法、装置及系统,可应用于智慧城市和智慧金融场景。
技术介绍
[0002]随着人工智能技术的发展,对图像中的文本信息的识别由人工识别发展为了自动识别,如预先训练用于辅助训练文本识别模型的文本识别模型框架(也可以称为用于辅助训练文本识别模型的结构化解析框架模型),在该结构化框架模型的基础上,训练生成用于对待识别的图像中的文本信息进行识别的文本识别模型。
[0003]在现有技术中,通常基于文本检测模型和特征融合模型训练得到文本识别模型框架,其中,文本检测模型与特征融合模型为两个相互独立的模型,特征融合模型具体基于文本检测模型的线下识别结果完成训练。
[0004]然而,文本检测模型与特征融合模型二者在训练过程中相互独立,可能导致训练得到的文本识别模型框架的准确性偏低的技术问题。
技术实现思路
[0005]本公开提供了一种用于提高文本识别模型框架的准确性的文本识别模型框架的训练方法及装置。
[0006]根据本公开的第一方面,提供了一种文本识别模型框架的训练方法,所述方法包括:
[0007]基于预设的文本检测模型对样本图像进行特征处理,得到与所述样本图像中文本信息相关的至少两种特征信息;
[0008]基于预设的特征融合模型对所述样本图像的至少两种特征信息进行融合处理,得到所述样本图像的融合特征;
[0009]将所述融 ...
【技术保护点】
【技术特征摘要】
1.一种文本识别模型框架的训练方法,所述方法包括:基于预设的文本检测模型对样本图像进行特征处理,得到与所述样本图像中文本信息相关的至少两种特征信息;基于预设的特征融合模型对所述样本图像的至少两种特征信息进行融合处理,得到所述样本图像的融合特征;将所述融合特征输入至所述特征融合模型,基于所述融合特征模型对所述文本检测模型和所述特征融合模型的参数分别进行调整,得到文本识别模型框架,其中,所述文本识别模型框架中包括调整后的文本检测模型和调整后的特征融合模型。2.根据权利要求1所述的方法,其中,基于预设的文本检测模型对样本图像进行特征处理,得到与所述样本图像中文本相关的至少两种特征信息,包括:基于所述文本检测模型确定所述样本图像中文本行的位置信息,并根据所述位置信息确定所述至少两种特征信息。3.根据权利要求2所述的方法,其中,根据所述位置信息确定所述至少两种特征信息,包括:根据所述位置信息对所述样本图像进行裁剪操作,得到文本区域,并从所述文本区域中获取所述至少两种特征信息。4.根据权利要求3所述的方法,其中,从所述文本区域中获取所述至少两种特征信息,包括:从所述文本区域中提取所述样本图像的图像特征,并对所述图像特征进行识别,得到所述至少两种特征信息。5.根据权利要求2至4中任一项所述的方法,所述至少两种特征信息包括文本特征和视觉特征;在根据所述位置信息确定所述至少两种特征信息之后,还包括:构建用于表征所述文本特征的多个文本特征块,并构建用于表征所述视觉特征的多个视觉特征块;以及,将所述融合特征输入至所述特征融合模型,基于所述融合特征模型对所述文本检测模型和所述特征融合模型的参数分别进行调整,包括:由所述特征融合模型根据所述融合特征和所述多个文本特征块,对所述文本检测模型和所述特征融合模型的参数分别进行调整;和/或,由所述特征融合模型根据所述融合特征和所述多个视觉特征块,对所述文本检测模型和所述特征融合模型的参数分别进行调整。6.根据权利要求5所述的方法,其中,由所述特征融合模型根据所述融合特征和所述多个文本特征块,对所述文本检测模型和所述特征融合模型的参数分别进行调整,包括:由所述特征融合模型随机遮盖所述融合特征中的部分文本特征,并根据所述多个文本特征块对遮盖的所述部分文本特征进行预测补齐处理,得到预测补齐后的部分文本特征;根据所述预测补齐后的部分文本特征、以及所述融合特征中除被遮盖的所述部分文本特征以外的特征,对所述文本检测模型和所述特征融合模型的参数分别进行调整。7.根据权利要求5所述的方法,其中,由所述特征融合模型根据所述融合特征和所述多个视觉特征块,对所述文本检测模型和所述特征融合模型的参数分别进行调整,包括:由所述特征融合模型随机遮盖所述融合特征中的部分视觉特征,并根据所述多个视觉特征块对被遮盖的所述部分视觉特征进行预测补齐处理,得到预测补齐后的部分视觉特
征;根据所述预测补齐后的部分视觉特征、以及所述融合特征中除被遮盖的所述部分视觉特征以外的特征,对所述文本检测模型和所述特征融合模型的参数分别进行调整。8.根据权利要求5所述的方法,其中,由所述特征融合模型根据所述融合特征和所述多个文本特征块,对所述文本检测模型和所述特征融合模型的参数分别进行调整,包括:由所述特征融合模型根据所述多个文本特征块中的至少部分文本特征块,对所述融合特征中的文本特征进行替换处理,得到替换后的文本特征;根据所述融合特征中的视觉特征、以及所述替换后的文本特征,对所述文本检测模型和所述特征融合模型的参数分别进行调整。9.根据权利要求5所述的方法,其中,由所述特征融合模型根据所述融合特征和所述多个视觉特征块,对所述文本检测模型和所述特征融合模型的参数分别进行调整,包括:由所述特征融合模型根据所述多个视觉特征块中的至少部分视觉特征块,对所述融合特征中的视觉特征进行替换处理,得到替换后的视觉特征;根据所述融合特征中的文本特征、以及所述替换后的视觉特征,对所述文本检测模型和所述特征融合模型的参数分别进行调整。10.根据权利要求5至9中任一项所述的方法,其中,若由所述特征融合模型根据所述融合特征、所述多个文本特征块、以及所述多个视觉特征块,对所述文本检测模型和所述特征融合模型的参数分别进行调整,则对所述文本检测模型和所述特征融合模型的参数分别进行调整,包括:由所述特征融合模型根据所述融合特征和所述多个文本特征块,确定用于对所述文本检测模型和所述特征融合模型的进行调整的第一调整任务结果;由所述特征融合模型根据所述融合特征和所述多个视觉特征块,确定用于对所述文本检测模型和所述特征融合模型的进行调整的第二调整任务结果;根据所述第一调整任务结果和第二调整任务结果的加权平均信息,对所述文本检测模型和所述特征融合模型的参数分别进行调整。11.一种文本识别方法,包括:获取待识别图像;将所述待识别图像输入至预先训练的文本识别模型,得到所述待识别图像中的文本信息,其中,所述文本识别模型是基于预先训练的文本识别模型框架对待训练图像进行训练生成的,所述文本识别模型框架为由权利要求1至10中任一项所述训练方法训练获得,所述待训练图像中包括文本信息。12.一种文本识别模型框架的训练装置,所述装置包括:处理单元,用于基于预设的文本检测模型对样本图像进行特征处理,得到与所述样本图像中文本信息相关的至少两种特征信息;融合单元,用于基于预设的特征融合模型对所述样本图像的至少两种特征信息进行融合处理,得到所述样本图像的融合特征;训练单元,用于将所述融合特征输入至所述特征融合模型,基于所述融合特征模型对所述文本检测模型和所述特征融...
【专利技术属性】
技术研发人员:章成全,吕鹏原,李煜林,庾悦晨,姚锟,韩钧宇,刘经拓,丁二锐,吴甜,王海峰,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。