图像文本识别方法、装置、计算机设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113936286A(43)申请公布日2022.01.14(21)申请号202111432713.1G06V10/75(2022.01)(22)申请日2021.11.29G06V10/774(2022.01)G06V10/82(2022.01)(71)申请人中国平安人寿保险股份有限公司G06K9/62(2022.01)地址518000广东省深圳市福田区益田路G06N3/04(2006.01)5033号平安金融中心14、15、16、37、G06N3/08(2006.01)41、44、45、46层(72)发明人欧阳高询(74)专利代理机构深圳市世联合知识产权代理有限公司44385代理人刘畅(51)Int.Cl.G06V30/412(2022.01)G06V30/414(2022.01)G06V30/418(2022.01)G06V30/19(2022.01)权利要求书2页说明书12页附图3页(54)发明名称图像文本识别方法、装置、计算机设备及存储介质(57)摘要本申请实施例属于人工智能领域，涉及一种图像文本识别方法，包括采集多组训练数据，根据训练数据训练基础表格线检测模型，得到目标表格线检测模型；获取待识别图片，根据目标检测网络对待识别图片进行表格线粗提取，得到粗表格线，输入粗表格线至目标残差网络进行检测操作，得到待识别图片中的表格线信息；基于表格线信息匹配待识别图片和预设标准图片，得到待识别图片的匹配信息；根据匹配信息将待识别图片转换为标准识别图片，对标准识别图片进行图像文字识别，得到目标识别文本。本申请还提供一种图像文本识别装置、计算机设备及存储介质。此外，目标识别文本可存储于区块链中。本申请实现了对图像文本的精确识别。CN113936286ACN113936286A权利要求书1/2页1.一种图像文本识别方法，其特征在于，包括下述步骤：采集多组包括表格线的图片和不包括表格线的图片作为训练数据，根据所述训练数据训练基础表格线检测模型，得到目标表格线检测模型，其中，所述目标表格线检测模型包括目标检测网络和目标残差网络；获取待识别图片，根据所述目标检测网络对所述待识别图片进行表格线粗提取，得到粗表格线，输入所述粗表格线至所述目标残差网络进行检测操作，得到所述待识别图片中的表格线信息；基于所述表格线信息匹配所述待识别图片和预设标准图片，得到所述待识别图片的匹配信息；根据所述匹配信息将所述待识别图片转换为标准识别图片，对所述标准识别图片进行图像文字识别，得到目标识别文本。2.根据权利要求1所述的图像文本识别方法，其特征在于，所述根据所述训练数据训练基础表格线检测模型的步骤包括：所述基础表格线检测模型包括基础检测网络和基础残差网络，将所述训练数据输入至所述基础检测网络，经过所述基础残差网络预测，得到所述训练数据对应的表格线检测结果；获取所述训练数据对应的真实表格线结果，根据所述表格线检测结果和所述真实表格线结果计算得到所述基础表格线检测模型的损失函数；基于所述损失函数对所述基础表格线检测模型的网络参数进行调整，得到调整后的基础表格线检测模型，在根据所述调整后的基础表格线检测模型计算得到的损失函数收敛时，确定所述调整后的基础表格线检测模型为所述目标表格线检测模型。3.根据权利要求2所述的图像文本识别方法，其特征在于，所述将所述训练数据输入至所述基础检测网络，经过所述基础残差网络预测，得到所述训练数据对应的表格线检测结果的步骤包括：基于所述基础检测网络对所述训练数据中的表格线的候选区域进行检测，得到优选候选框；输入所述优选候选框至所述基础残差网络进行特征计算，得到所述基础残差网络中每个卷积层的特征值，基于所述特征值构建特征金字塔；通过所述特征金字塔和所述优选候选框进行回归检测，得到所述表格线检测结果。4.根据权利要求1所述的图像文本识别方法，其特征在于，在所述输入所述粗表格线至所述目标残差网络进行检测操作，得到所述待识别图片中的表格线信息的步骤之后，还包括：获取预设的边缘线检测算法，根据所述边缘线检测算法对所述表格线信息进行拟合，得到所述待识别图片的目标表格线信息。5.根据权利要求4所述的图像文本识别方法，其特征在于，所述根据所述边缘线检测算法对所述表格线信息进行拟合，得到所述待识别图片的目标表格线信息的步骤包括：对所述待识别图片进行形态腐蚀，得到所述待识别图片的目标腐蚀形态；根据所述边缘线检测算法对所述目标腐蚀形态进行变化直线检测，得到多个离散检测线段；2CN113936286A权利要求书2/2页对所述离散检测线段和所述表格线信息进行拟合，得到所述待识别图片的目标表格线信息。6.根据权利要求1所述的图像文本识别方法，其特征在于，在所述对所述标准识别图片进行图像文字