本公开涉及一种错字识别方法、装置设备及介质，该方法包括：获取待识别的单字符图像；通过预设的整字识别模型对单字符图像进行字符识别，得到识别字符和识别字符的置信度；通过预设的笔画序列识别模型对单字符图像中目标字符的笔画序列进行识别，得到第一笔画序列；根据识别字符的置信度和第一笔画序列确定目标字符是否为书写错误字符。本公开能够较准确地实现错字识别。地实现错字识别。地实现错字识别。
【技术实现步骤摘要】
一种错字识别方法、装置设备及介质
[0001]本公开涉及图像处理
，尤其涉及一种错字识别方法、装置设备及介质。
技术介绍
[0002]在日常书写中，主要存在错字和别字两种错误书写方式，别字为字结构正确但用法错误，错字为字结构错误，如多写一笔。目前通过文本比对等智能批改方法很容易识别批改别字，但针对错字却很难进行识别。
技术实现思路
[0003]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种错字识别方法、装置设备及介质。
[0004]根据本公开的一方面，提供了一种错字识别方法，包括：
[0005]获取待识别的单字符图像；
[0006]通过预设的整字识别模型对所述单字符图像进行字符识别，得到识别字符和所述识别字符的置信度；
[0007]通过预设的笔画序列识别模型对所述单字符图像中目标字符的笔画序列进行识别，得到第一笔画序列；
[0008]根据所述识别字符的置信度和所述第一笔画序列确定所述目标字符是否为书写错误字符。
[0009]根据本公开的另一方面，提供了一种错字识别装置，包括：
[0010]图像获取模块，用于获取待识别的单字符图像；
[0011]整字识别模块，用于通过预设的整字识别模型对所述单字符图像进行字符识别，得到识别字符和所述识别字符的置信度；
[0012]笔画识别模块，用于通过预设的笔画序列识别模型对所述单字符图像中目标字符的笔画序列进行识别，得到第一笔画序列；
[0013]错字识别模块，用于根据所述识别字符的置信度和所述第一笔画序列确定所述目标字符是否为书写错误字符。
[0014]根据本公开的另一方面，提供了一种电子设备，所述电子设备包括：
[0015]处理器；
[0016]用于存储所述处理器可执行指令的存储器；
[0017]所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述方法。
[0018]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，当所述计算机指令在终端设备上运行时，使得所述终端设备实现上述方法。
[0019]本公开实施例提供的技术方案与现有技术相比具有如下优点：
[0020]本公开实施例提供的一种错字识别方法、装置设备及介质，包括：获取待识别的单字符图像；通过预设的整字识别模型对单字符图像进行字符识别，得到识别字符和识别字符的置信度；通过预设的笔画序列识别模型对单字符图像中目标字符的笔画序列进行识别，得到第一笔画序列；根据识别字符的置信度和第一笔画序列确定目标字符是否为书写错误字符。本公开能够较准确地实现对书写错误字符的识别。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0022]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本公开实施例提供的错字识别方法流程图；
[0024]图2为本公开实施例提供的错字示意图；
[0025]图3为本公开实施例提供的错字识别过程示意图；
[0026]图4为本公开实施例提供的一种训练图像示意图；
[0027]图5为本公开实施例提供的另一种训练图像示意图；
[0028]图6为本公开实施例提供的错字识别装置的结构示意图；
[0029]图7为本公开实施例提供的电子设备的结构示意图。
具体实施方式
[0030]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0031]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0032]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0033]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0034]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0035]智能批改是一种基于计算机视觉技术辅助人们学习、工作的方法，可以基于题库对选择题、填空题、应用题等书写内容进行识别和批改，但目前的智能批改方法尚无法针对错字进行识别批改。基于此，本公开实施例提供一种错字识别方法、装置、设备及介质，该技术可以应用于工作学习中对错字有识别批改需求的场景，例如，处在认字练字阶段的低年级学生，需要尽早对其进行规范及引导，于是可以利用本技术方案对其书写内容中的错字进行识别批改。为便于理解，以下对本公开实施例展开描述。
[0036]图1为本公开实施例提供的一种错字识别方法流程图。本方法可以应用于错字识别装置，该装置可以采用软件和/或硬件的方式实现。如图1所示，该错字识别方法可以包括以下步骤。
[0037]步骤S102，获取待识别的单字符图像。
[0038]本实施例可以通过图像拍摄操作或图像上传操作等方式获取包含至少一个字符的原始图像；为了对原始图像上的各个字符逐一进行识别，可以从原始图像上裁剪各个字符对应的单字符图像，对各个单字符图像中的字符进行错字识别。
[0039]在获取到单字符图像后，将单字符图像分别输入至预设的整字识别模型和笔画序列识别模型。
[0040]步骤S104，通过预设的整字识别模型对单字符图像进行字符识别，得到识别字符和识别字符的置信度。
[0041]整字识别模型的输入为单字符图像，对单字符图像中目标字符的整体进行文本识别，以输出多个字符识别结果和对应的置信度，再利用置信度从多个字符识别结果中确定最终的识别字符。
[0042]步骤S106，通过预设的笔画序列识别模型对单字符图像中目标字符的笔本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种错字识别方法，其特征在于，包括：获取待识别的单字符图像；通过预设的整字识别模型对所述单字符图像进行字符识别，得到识别字符和所述识别字符的置信度；通过预设的笔画序列识别模型对所述单字符图像中目标字符的笔画序列进行识别，得到第一笔画序列；根据所述识别字符的置信度和所述第一笔画序列确定所述目标字符是否为书写错误字符。2.根据权利要求1所述的方法，其特征在于，所述根据所述识别字符的置信度和所述第一笔画序列确定所述目标字符是否为书写错误字符，包括：判断所述识别字符的置信度是否小于预设置信度阈值；如果是，则确定所述目标字符为书写错误字符；如果否，则根据预设的字符与笔画序列之间的对应关系，检索所述识别字符对应的第二笔画序列；比对所述第一笔画序列和所述第二笔画序列是否相同，并在比对不相同的情况下，确定所述目标字符为书写错误字符。3.根据权利要求1所述的方法，其特征在于，所述获取待识别的单字符图像，包括：获取包括至少一个字符的原始图像；检测所述原始图像中各字符的文本框位置；根据所述文本框位置从所述原始图像中对各所述字符进行裁剪，得到各所述字符对应的单字符图像。4.根据权利要求3所述的方法，其特征在于，所述检测所述原始图像中各字符的文本框位置，包括：通过特征提取网络对所述原始图像进行特征提取，得到第一特征图；对所述第一特征图进行上采样，得到第二特征图；通过两个卷积模块分别对所述第二特征图进行卷积操作，得到各自对应的中心点热力图和宽高预测图；其中，所述中心点热力图中的像素点具有表示字符中心点概率的热力值；根据预设的热力值阈值对所述中心点热力图中的像素点进行过滤，得到所述原始图像中各字符的中心点位置；将所述宽高预测图中各所述中心点位置处的值确定为各所述字符的文本框的尺寸；基于所述中心点位置和所述文本框的尺寸确定所述原始图像中各字符的文本框位置。5.根据权利要求1所述的方法，其特征在于，所述整字识别模型包括第一特征提取层和全连接层；所述通过预设的整字识别模型对所述单字符图像进行字符识别，得到识别字符，包括：通过整字识别模型的第一特征提取层对所述单字符图像进行特征提取，得到第三特征图；通过所述全连接层对所述第三特征图进行特征融合，得到所述第三特征图中的多个候选字符和所述候选字符的置信度；将置信度...
【专利技术属性】
技术研发人员：王翔，
申请(专利权)人：深圳市星桐科技有限公司，
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。