深度学习模型的训练方法、文本识别方法、装置和设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998881A(43)申请公布日2022.09.02(21)申请号202210596310.9G06V10/82(2022.01)(22)申请日2022.05.27G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人王晓燕吕鹏原范森章成全姚锟(74)专利代理机构中科专利商标代理有限责任公司11021专利代理师王文思(51)Int.Cl.G06V20/62(2022.01)G06V30/19(2022.01)G06V30/246(2022.01)G06V10/774(2022.01)权利要求书4页说明书12页附图6页(54)发明名称深度学习模型的训练方法、文本识别方法、装置和设备(57)摘要本公开提供了一种深度学习模型的训练方法，涉及人工智能技术领域，尤其涉及深度学习、图像处理和计算机视觉技术领域，可应用于OCR等场景。具体实现方案为：获取样本图像，其中，样本图像设置有标签，标签指示样本图像中的文本信息以及文本信息的语种信息；将样本图像输入到深度学习模型，得到针对多个解码分支的文本识别结果，其中，多个解码分支与多个语种各自对应；根据标签指示的语种信息，从多个解码分支的文本识别结果中确定目标文本识别结果；以及根据标签指示的文本信息与目标文本识别结果之间的差异，调整深度学习模型的参数。本公开还提供了一种文本识别方法、装置、电子设备和存储介质。CN114998881ACN114998881A权利要求书1/4页1.一种深度学习模型的训练方法，包括：获取样本图像，其中，所述样本图像设置有标签，所述标签指示所述样本图像中的文本信息以及所述文本信息的语种信息；将所述样本图像输入到深度学习模型，得到针对多个解码分支的文本识别结果，其中，所述多个解码分支与多个语种各自对应；根据所述标签指示的语种信息，从所述多个解码分支的文本识别结果中确定目标文本识别结果；以及根据所述标签指示的文本信息与所述目标文本识别结果之间的差异，调整所述深度学习模型的参数。2.根据权利要求1所述的方法，其中，所述深度学习模型包括与所述多个解码分支各自对应的多个解码分支模块，所述多个解码分支的文本识别结果是由所述多个解码分支模块各自对应输出的；所述根据所述标签指示的语种信息，从所述多个解码分支的文本识别结果中确定目标文本识别结果包括：根据所述标签指示的语种信息，从所述多个解码分支模块中确定目标解码分支模块；以及确定所述目标解码分支模块输出的文本识别结果，作为所述目标文本识别结果；所述根据所述标签指示的文本信息与所述目标文本识别结果之间的差异，调整所述深度学习模型的参数包括：根据所述标签指示的文本信息与所述目标文本识别结果之间的差异，调整所述目标解码分支模块的参数。3.根据权利要求2所述的方法，其中，所述样本图像包括小语种样本图像和常规语种样本图像，所述小语种样本图像为包含小语种文本信息的样本图像，所述常规语种样本图像为包含除小语种外的其他语种文本信息的样本图像；所述深度学习模型还包括编码模块；所述将所述样本图像输入到深度学习模型，得到针对多个解码分支的文本识别结果包括：将所述小语种样本图像和常规语种样本图像输入到所述编码模块进行编码，得到混合文本特征序列；以及将所述混合文本特征序列输入到所述多个解码分支模块进行解码，得到所述针对多个解码分支的文本识别结果。4.根据权利要求3所述的方法，其中，所述根据所述标签指示的文本信息与所述目标文本识别结果之间的差异，调整所述深度学习模型的参数包括：根据所述标签指示的文本信息与所述目标文本识别结果之间的差异，调整所述编码模块和所述目标解码分支模块的参数。5.根据权利要求3所述的方法，其中，所述混合文本特征序列包括n个第一特征，n为大于或等于1的整数；所述将所述混合文本特征序列输入到所述多个解码分支模块进行解码，得到所述针对多个解码分支的文本识别结果包括：针对每个解码分支模块，将所述混合文本特征序列输入到该解码分支模块进行解码，得到与n个第一特征各自对应的n个全字典向量，所述全字典向量为针对所述多个语种的预设字符的集合；2CN114998881A权利要求书2/4页针对每个第一特征，确定该第一特征属于所述全字典向量中每个字符的概率，并确定概率最高的字符作为所述第一特征的识别结果；以及确定所述n个第一特征的识别结果，作为该解码分支模块的文本识别结果。6.一种文本识别方法，包括：获取待识别图像，所述待识别图像包括待识别文本；将所述待识别图像输入到深度学习模型，得到针对多个解码分支的文本序列，其中，所述文本序列包括至少一个字符以及所述至少一个字符各自的概率；以及