预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN113688823A(43)申请公布日2021.11.23(21)申请号202111056077.7G06N3/08(2006.01)(22)申请日2021.09.09(71)申请人平安医疗健康管理股份有限公司地址200001上海市黄浦区北京东路666号H区(东座)12G室(72)发明人王振明(74)专利代理机构北京市京大律师事务所11321代理人姚维(51)Int.Cl.G06K9/20(2006.01)G06K9/34(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书12页附图4页(54)发明名称基于特征融合的文本识别方法、装置、设备及存储介质(57)摘要本发明涉及人工智能领域,公开了基于特征融合的文本识别方法、装置、设备及存储介质,用于提高文本识别的准确率。调用预置的神经网络组对待识别医疗图像进行特征提取,生成医疗局部特征图像和医疗全局特征图像,并调用预置的加权求和函数对所述医疗局部特征图像和所述医疗全局特征图像进行特征融合,生成目标医疗融合特征图像;调用预置的双向双层循环神经网络对所述目标医疗融合特征图像进行字符集提取,生成医疗分类字符集,并基于医疗分类字符集与预置的时序分类算法进行对齐解码,生成目标医疗文本。此外,本发明还涉及区块链技术,待识别医疗图像可存储于区块链中。CN113688823ACN113688823A权利要求书1/2页1.一种基于特征融合的文本识别方法,其特征在于,所述基于特征融合的文本识别方法包括:调用预置的神经网络组对待识别医疗图像进行特征提取,生成医疗局部特征图像和医疗全局特征图像,并调用预置的加权求和函数对所述医疗局部特征图像和所述医疗全局特征图像进行特征融合,生成目标医疗融合特征图像;调用预置的双向双层循环神经网络对所述目标医疗融合特征图像进行字符集提取,生成医疗分类字符集,并基于医疗分类字符集与预置的时序分类算法进行对齐解码,生成目标医疗文本。2.根据权利要求1所述的基于特征融合的文本识别方法,其特征在于,所述调用预置的神经网络组对待识别医疗图像进行特征提取,生成医疗局部特征图像和医疗全局特征图像,并调用预置的加权求和函数对所述医疗局部特征图像和所述医疗全局特征图像进行特征融合,生成目标医疗融合特征图像包括:获取初始医疗图像,并对所述初始医疗图像进行预处理,生成预处理后的医疗图像,所述初始医疗图像包括初始医疗文本;对所述预处理后的医疗图像进行归一化处理,生成待识别医疗图像,所述待识别医疗图像包括待识别医疗文本;调用神经网络组中预置的卷积神经网络对所述待识别医疗图像进行局部特征提取,生成医疗局部特征图像;调用所述神经网络组中预置的注意力神经网络对所述待识别医疗图像进行全局特征提取,生成医疗全局特征图像;调用预置的加权求和函数对所述医疗局部特征图像和所述医疗全局特征图像进行特征融合,生成目标医疗融合特征图像。3.根据权利要求2所述的基于特征融合的文本识别方法,其特征在于,所述获取初始医疗图像,并对所述初始医疗图像进行预处理,生成预处理后的医疗图像,所述初始医疗图像包括初始医疗文本包括:获取初始医疗图像,判断所述初始医疗图像中初始医疗文本的方向是否为预置的标准方向,所述初始医疗图像包括初始医疗文本;若所述初始医疗图像中初始医疗文本的方向不为预置的标准方向,则结合所述初始医疗文本按照预置的标准方向对所述初始医疗图像进行调整,生成预处理后的医疗图像。4.根据权利要求2所述的基于特征融合的文本识别方法,其特征在于,所述对所述预处理后的医疗图像进行归一化处理,生成待识别医疗图像,所述待识别医疗图像包括待识别医疗文本包括:按照预置的缩放规则对所述预处理后的医疗图像进行缩放处理,生成缩放后的医疗图像;对所述缩放后的医疗图像进行归一化处理,生成待识别医疗图像,所述待识别医疗图像包括待识别医疗文本。5.根据权利要求2所述的基于特征融合的文本识别方法,其特征在于,所述调用神经网络组中预置的卷积神经网络对所述待识别医疗图像进行局部特征提取,生成医疗局部特征图像包括:2CN113688823A权利要求书2/2页调用神经网络组中预置的卷积神经网络对所述归一化后的待识别医疗图像进行卷积,生成卷积后的医疗特征图像;对所述卷积后的医疗特征图像进行批归一化处理,生成批归一化后的医疗特征图像;调用激活函数对所述批归一化后的医疗特征图像进行激活,生成激活后的医疗特征图像;将所述激活后的医疗特征图像和所述卷积后的医疗特征图像输入所述第一组神经网络中的卷积神经网络中的池化层进行池化,生成第一医疗局部特征图像。6.根据权利要求2所述的基于特征融合的文本识别方法,其特征在于