一种文本识别方法及相关装置.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CN113627243A(43)申请公布日2021.11.09(21)申请号202110740206.8(22)申请日2021.06.30(71)申请人中国科学院深圳先进技术研究院地址518055广东省深圳市南山区深圳大学城学苑大道1068号(72)发明人李明付彬乔宇(74)专利代理机构广州三环专利商标代理有限公司44202代理人熊永强陈聪(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)权利要求书1页说明书12页附图4页(54)发明名称一种文本识别方法及相关装置(57)摘要本申请公开了一种文本识别方法及相关装置。该方法包括：获取文本图片；文本图片为包括目标文本的图片；将文本图片输入至文本识别网络进行识别，得到目标文本；文本识别网络的各个层级同时利用文本图片的局域信息和序列信息对目标文本进行识别，局域信息包括目标文本的结构信息，序列信息包括目标文本的上下文序列信息。本方法在基于文本识别网络对文本图片进行识别的过程中，通过并行提取文本图片的局域视觉信息和上下文序列信息，并将文本图片的局域视觉信息和上下文序列信息交互融合，使得在文本识别网络的各个层级都能同时利用文本图片的二元信息，解决了识别过程中文本字符遗漏或是错位的问题，提高了文本识别的准确率及效率。CN113627243ACN113627243A权利要求书1/1页1.一种文本识别方法，其特征在于，包括：获取文本图片；所述文本图片为包括目标文本的图片；将所述文本图片输入至文本识别网络进行识别，得到所述目标文本；所述文本识别网络的各个编码层级同时利用提取所述文本图片所得到的局域信息和序列信息对所述目标文本进行识别，所述局域信息包括所述目标文本的结构信息，所述序列信息包括所述目标文本的上下文序列信息。2.根据权利要求1所述的方法，其特征在于，所述将所述文本图片输入至文本识别网络进行识别，得到所述目标文本，包括：获取所述局域信息，以及获取所述序列信息；根据所述局域信息和所述序列信息融合处理的结果，得到所述目标文本。3.根据权利要求2所述的方法，其特征在于，所述根据所述局域信息和所述序列信息融合处理的结果，得到所述目标文本，包括：将所述局域信息和所述序列信息加权求和；根据所述局域信息和所述序列信息加权求和的结果，得到所述目标文本。4.根据权利要求2或3所述的方法，其特征在于，所述获取所述局域信息，包括：基于拓扑结构提取所述文本图片的视觉特征，得到所述局域信息。5.根据权利要求4所述的方法，其特征在于，所述获取所述序列信息，包括：对所述文本图片的特征进行压缩；提取压缩后的所述文本图片的结构特征，得到所述序列信息。6.一种文本识别装置，其特征在于，包括：获取单元，用于获取文本图片；所述文本图片为包括目标文本的图片；识别单元，用于将所述文本图片输入至文本识别网络进行识别，得到所述目标文本；所述文本识别网络的各个层级同时利用所述文本图片的局域信息和序列信息对所述目标文本进行识别，所述局域信息包括所述目标文本的结构信息，所述序列信息包括所述目标文本的上下文序列信息。7.根据权利要求6所述的装置，其特征在于，所述获取单元，还用于获取所述局域信息，以及获取所述序列信息；所述识别单元，具体用于根据所述局域信息和所述序列信息融合处理的结果，得到所述目标文本。8.一种文本识别装置，其特征在于，包括：处理器和存储器；所述存储器用于存储计算机执行指令；所述处理器用于执行所述存储器所存储的计算机执行指令，以使所述文本识别装置执行如权利要求1至5中任一项所述的方法。9.一种计算机可读存储介质，其特征在于，包括：所述计算机可读存储介质用于存储指令或计算机程序；当所述指令或所述计算机程序被执行时，使如权利要求1至5中任一项所述的方法被实现。10.一种计算机程序产品，其特征在于，包括：指令或计算机程序；所述指令或所述计算机程序被执行时，使如权利要求1至5中任一项所述的方法被实现。2CN113627243A说明书1/12页一种文本识别方法及相关装置技术领域[0001]本申请涉及场景文本识别(scenetextrecognition，STR)技术领域，尤其涉及一种文本识别方法及相关装置。背景技术[0002]场景文本识别指的是通过将特定场景中包含文本信息的文本图片输入到程序中，由程序将输入的包含文本信息的文本图片转换成计算机可理解的文本符号。场景文本识别在计算机视觉领域中为一个重要的分支，在自动驾驶、盲人辅助等应用场景中有着重要作用及前景。[0003]目前，较为常用的场景文本识别方法是将文本图片输入到卷积神经网络中，提取得到文本图片的局域视觉信息。然后再将文本图片的局域视觉信息输入到循环神经网络中，得到最终的文本