本申请涉及一种基于神经网络模型的兴趣点文字识别方法及装置。该方法包括：根据被点击兴趣点的坐标，获得在地图当前层级的与所述坐标对应的瓦片，以及与所述瓦片相邻的至少一张相邻瓦片；将所述瓦片与所述至少一张相邻瓦片进行拼接，获得拼接瓦片；通过卷积神经网络模型对所述拼接瓦片的兴趣点进行识别，获得所述拼接瓦片的多个兴趣点多边形；根据所述被点击兴趣点的坐标，将所述多个兴趣点多边形中的至少一个兴趣点多边形确定为被点击兴趣点的多边形；通过循环神经网络模型对所述拼接瓦片进行识别，获得所述被点击兴趣点的多边形的文本，所述文本为被点击兴趣点的文字信息。本申请提供的方案，能够准确地、全面地获得兴趣点的文字信息。的文字信息。的文字信息。
【技术实现步骤摘要】
基于神经网络模型的兴趣点文字识别方法及装置
[0001]本申请涉及地图识别
，尤其涉及一种基于神经网络模型的兴趣点文字识别方法及装置。
技术介绍
[0002]越来越多的地图服务用到瓦片技术，大部分地图都提供瓦片供用户搜索，由于瓦片是一种图片，用户在查看时可点击瓦片上的POI(Point Of Interest，兴趣点)点，引擎会弹出关于POI点的相关介绍，以及用户当前位置到达POI点的路线(例如，行走路线)。
[0003]相关技术中使用传统的OCR(Optical Character Recognition，光学字符识别)方法去获取瓦片中被点击POI点的数据，由于瓦片上的POI数据通常分布于各种复杂路网之上，使用普通图像二值化处理，会出现很多干扰噪声，导致获得的文字信息不准确；另外，由于地图搜索展示的瓦片通常都是分层级显示的，不同层级对应的瓦片大小不同，一方面是为了能快速响应用户请求，另一方面是能尽可能节省网络流量，而分层级的瓦片会导致POI点被切分，造成POI数据的缺失，导致获得的文字信息不全面。
[0004]总之，相关技术的POI数据识别，不能准确和全面地获得POI的文字信息。
技术实现思路
[0005]为解决或部分解决相关技术中存在的问题，本申请提供一种基于神经网络模型的兴趣点文字识别方法及装置，能够准确地、全面地获得兴趣点的文字信息。
[0006]本申请第一方面提供一种基于神经网络模型的兴趣点文字识别方法，所述方法包括：
[0007]根据被点击兴趣点的坐标，获得在地图当前层级的与所述坐标对应的瓦片，以及与所述瓦片相邻的至少一张相邻瓦片；
[0008]将所述瓦片与所述至少一张相邻瓦片进行拼接，获得拼接瓦片；
[0009]通过卷积神经网络模型对所述拼接瓦片的兴趣点进行识别，获得所述拼接瓦片的多个兴趣点多边形；
[0010]根据所述被点击兴趣点的坐标，将所述多个兴趣点多边形中的至少一个兴趣点多边形确定为被点击兴趣点的多边形；
[0011]通过循环神经网络模型对所述拼接瓦片进行识别，获得所述被点击兴趣点的多边形的文本，所述文本为被点击兴趣点的文字信息。
[0012]优选的，所述根据被点击兴趣点的坐标，获得在地图当前层级的与所述坐标对应的瓦片，以及与所述瓦片相邻的至少一张相邻瓦片，包括：根据被点击兴趣点的坐标，获得在地图当前层级的与所述坐标对应的瓦片，以及与所述瓦片相邻的多张相邻瓦片；
[0013]所述将所述瓦片与所述至少一张相邻瓦片进行拼接，获得拼接瓦片，包括：将所述瓦片与所述多张相邻瓦片进行拼接，获得所述拼接瓦片。
[0014]优选的，所述通过卷积神经网络模型对所述拼接瓦片的兴趣点进行识别，获得所
述拼接瓦片的多个兴趣点多边形，包括：
[0015]对所述拼接瓦片进行预设处理，获得具有设定大小的待识别瓦片；
[0016]通过卷积神经网络模型对所述待识别瓦片的兴趣点进行识别，获得所述待识别瓦片的多个兴趣点多边形。
[0017]优选的，所述根据所述被点击兴趣点的坐标，将所述多个兴趣点多边形中的至少一个兴趣点多边形确定为被点击兴趣点的多边形，包括：
[0018]根据所述被点击兴趣点的坐标，获得所述多个兴趣点多边形中每个兴趣点多边形与所述坐标的距离；
[0019]将与所述坐标的距离小于第一设定距离阈值的兴趣点多边形确定为被点击兴趣点的待选多边形；
[0020]将与所述坐标的距离最小的待选多边形确定为被点击兴趣点的预定多边形；
[0021]计算其它待选兴趣点多边形中每个待选兴趣点多边形与所述预定多边形的距离；
[0022]将与所述预定多边形的距离小于第二设定距离阈值的待选兴趣点多边形与所述预定多边形合并，将合并获得的合并多边形确定为所述被点击兴趣点的多边形。
[0023]优选的，所述通过循环神经网络模型对所述拼接瓦片进行识别，获得所述被点击兴趣点的多边形的文本，所述文本为被点击兴趣点的文字信息，包括
[0024]根据所述被点击兴趣点的多边形，在所述拼接瓦片获得区域图像；
[0025]通过循环神经网络模型对所述区域图像进行识别，获得所述区域图像的文本，所述文本为被点击兴趣点的文字信息。
[0026]本申请第二方面提供一种基于神经网络模型的兴趣点文字识别装置，所述装置包括：
[0027]瓦片获取模块，用于根据被点击兴趣点的坐标，获得在地图当前层级的与所述坐标对应的瓦片，以及与所述瓦片相邻的至少一张相邻瓦片；
[0028]瓦片拼接模块，用于将所述瓦片获取模块获得的所述瓦片与所述至少一张相邻瓦片进行拼接，获得拼接瓦片；
[0029]多边形获取模块，用于通过卷积神经网络模型对所述瓦片拼接模块获得的拼接瓦片的兴趣点进行识别，获得所述拼接瓦片的多个兴趣点多边形；
[0030]多边形确定模块，用于根据所述被点击兴趣点的坐标，将所述多边形获取模块获得的多个兴趣点多边形中的至少一个兴趣点多边形确定为被点击兴趣点的多边形；
[0031]文本获取模块，用于通过循环神经网络模型对所述瓦片拼接模块获得的拼接瓦片进行识别，获得所述多边形确定模块确定的被点击兴趣点的多边形的文本，所述文本为被点击兴趣点的文字信息。
[0032]优选的，所述装置还包括：
[0033]瓦片预处理模块，用于对所述瓦片拼接模块获得的拼接瓦片进行预设处理，获得具有设定大小的待识别瓦片；
[0034]所述多边形获取模块，还用于通过卷积神经网络模型对所述瓦片预处理模块获得的待识别瓦片的兴趣点进行识别，获得所述待识别瓦片的多个兴趣点多边形。
[0035]优选的，所述装置还包括：
[0036]第一计算模块，用于根据所述被点击兴趣点的坐标，获得所述多边形获取模块获
得的多个兴趣点多边形中每个兴趣点多边形与所述坐标的距离；
[0037]所述多边形确定模块，还用于将与所述坐标的距离小于第一设定距离阈值的兴趣点多边形确定为被点击兴趣点的待选多边形，将与所述坐标的距离最小的待选多边形确定为被点击兴趣点的预定多边形；
[0038]第二计算模块，用于计算所述多边形确定模块确定的其它待选兴趣点多边形中每个待选兴趣点多边形与预定多边形的距离；
[0039]所述多边形确定模块，还用于将与所述预定多边形的距离小于第二设定距离阈值的待选兴趣点多边形与所述预定多边形合并，将合并获得的合并多边形确定为所述被点击兴趣点的多边形。
[0040]优选的，所述装置还包括：
[0041]图像获取模块，根据所述多边形确定模块确定的被点击兴趣点的多边形，在所述瓦片拼接模块获得的拼接瓦片获得区域图像；
[0042]所述文本获取模块，还用于通过循环神经网络模型对所述图像获取模块获得的区域图像进行识别，获得所述区域图像的文本，所述文本为被点击兴趣点的文字信息。
[0043]本申请第三方面提供一种电子设备，包括：
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络模型的兴趣点文字识别方法，其特征在于，包括：根据被点击兴趣点的坐标，获得在地图当前层级的与所述坐标对应的瓦片，以及与所述瓦片相邻的至少一张相邻瓦片；将所述瓦片与所述至少一张相邻瓦片进行拼接，获得拼接瓦片；通过卷积神经网络模型对所述拼接瓦片的兴趣点进行识别，获得所述拼接瓦片的多个兴趣点多边形；根据所述被点击兴趣点的坐标，将所述多个兴趣点多边形中的至少一个兴趣点多边形确定为被点击兴趣点的多边形；通过循环神经网络模型对所述拼接瓦片进行识别，获得所述被点击兴趣点的多边形的文本，所述文本为被点击兴趣点的文字信息。2.根据权利要求1所述的方法，其特征在于，所述根据被点击兴趣点的坐标，获得在地图当前层级的与所述坐标对应的瓦片，以及与所述瓦片相邻的至少一张相邻瓦片，包括：根据被点击兴趣点的坐标，获得在地图当前层级的与所述坐标对应的瓦片，以及与所述瓦片相邻的多张相邻瓦片；所述将所述瓦片与所述至少一张相邻瓦片进行拼接，获得拼接瓦片，包括：将所述瓦片与所述多张相邻瓦片进行拼接，获得所述拼接瓦片。3.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络模型对所述拼接瓦片的兴趣点进行识别，获得所述拼接瓦片的多个兴趣点多边形，包括：对所述拼接瓦片进行预设处理，获得具有设定大小的待识别瓦片；通过卷积神经网络模型对所述待识别瓦片的兴趣点进行识别，获得所述待识别瓦片的多个兴趣点多边形。4.根据权利要求1所述的方法，其特征在于，所述根据所述被点击兴趣点的坐标，将所述多个兴趣点多边形中的至少一个兴趣点多边形确定为被点击兴趣点的多边形，包括：根据所述被点击兴趣点的坐标，获得所述多个兴趣点多边形中每个兴趣点多边形与所述坐标的距离；将与所述坐标的距离小于第一设定距离阈值的兴趣点多边形确定为被点击兴趣点的待选多边形；将与所述坐标的距离最小的待选多边形确定为被点击兴趣点的预定多边形；计算其它待选兴趣点多边形中每个待选兴趣点多边形与所述预定多边形的距离；将与所述预定多边形的距离小于第二设定距离阈值的待选兴趣点多边形与所述预定多边形合并，将合并获得的合并多边形确定为所述被点击兴趣点的多边形。5.根据权利要求1所述的方法，其特征在于，所述通过循环神经网络模型对所述拼接瓦片进行识别，获得所述被点击兴趣点的多边形的文本，所述文本为被点击兴趣点的文字信息，包括根据所述被点击兴趣点的多边形，在所述拼接瓦片获得区域图像；通过循环神经网络模型对所述区域图像进行识别，获得所述区域图像的文本，所述文本为被点击兴趣点的文字信息。6.一种基于神经网...
【专利技术属性】
技术研发人员：杨铖，
申请(专利权)人：广州力挚网络科技有限公司，
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。