CN110889469B - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110889469B CN110889469B CN201911337804.XA CN201911337804A CN110889469B CN 110889469 B CN110889469 B CN 110889469B CN 201911337804 A CN201911337804 A CN 201911337804A CN 110889469 B CN110889469 B CN 110889469B
- Authority
- CN
- China
- Prior art keywords
- text
- network
- image
- text image
- processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 126
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012549 training Methods 0.000 claims abstract description 56
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 8
- 230000008439 repair process Effects 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims 4
- 230000004913 activation Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000002372 labelling Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
本公开涉及一种图像处理方法及装置、电子设备和存储介质,所述方法包括:获取原始文本图像;通过生成网络对所述原始文本图像进行图像质量增强处理,得到增强文本图像,其中,所述生成网络是基于第一文本识别网络进行辅助训练得到的。本公开实施例可以提高原始文本图像的图像质量,进而提高文本识别精度。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
随着相关技术的发展,文本识别得到了广泛应用。文本识别可以应用于很多重要领域,例如:阅读理解、***识别、车牌识别及视觉问答等领域中。但文本识别的精度与图像质量关联较大,对于图像质量较差的图像,例如,分辨率低的图像、破损的图像、受污损的图像、受腐蚀的图像、有划痕的图像等,文本识别精度较低。
发明内容
本公开提出了一种图像处理方法及装置、电子设备和存储介质。
根据本公开的一方面,提供了一种图像处理方法,包括:获取原始文本图像;通过生成网络对所述原始文本图像进行图像质量增强处理,得到增强文本图像,其中,所述生成网络是基于第一文本识别网络进行辅助训练得到的。
在一种可能的实现方式中,所述图像质量增强处理包括文本修复处理。
在一种可能的实现方式中,所述生成网络包括步长大于1的至少一个第一卷积层、步长为1的至少一个第二卷积层和至少一个反卷积层;所述通过生成网络对所述原始文本图像进行质量增强处理,得到增强文本图像,包括:通过所述至少一个第一卷积层对所述原始文本图像进行下采样处理,得到下采样结果;通过所述至少一个第二卷积层对所述下采样结果进行卷积处理,得到卷积结果;通过所述至少一个反卷积层对所述卷积结果进行上采样处理,得到所述增强文本图像。
在一种可能的实现方式中,所述图像处理包括超分辨率处理,其中,所述增强文本图像的分辨率高于所述原始文本图像的分辨率。
在一种可能的实现方式中,所述生成网络包括步长为1的至少一个第二卷积层和至少一个反卷积层;所述通过生成网络对所述原始文本图像进行质量增强处理,得到增强文本图像,包括:通过所述至少一个第二卷积层对所述原始文本图像进行卷积处理,得到卷积结果;通过所述至少一个反卷积层对所述卷积结果进行上采样处理,得到所述增强文本图像。
在一种可能的实现方式中,所述生成网络的训练样本包括所述原始文本图像和对应的标注文本信息;所述方法还包括:利用所述第一文本识别网络对所述增强文本图像进行文本识别处理,得到第一文本识别结果;基于所述标注文本信息及所述第一文本识别结果之间的差异,调整所述生成网络的网络参数。
在一种可能的实现方式中,所述训练样本还包括所述原始文本图像对应的参考文本图像;所述方法还包括:根据所述参考文本图像和所述增强文本图像之间的差异,调整所述生成网络的网络参数。
在一种可能的实现方式中,所述生成网络是基于所述第一文本识别网络和判别网络进行辅助训练得到的。
在一种可能的实现方式中,所述方法还包括:利用第二文本识别网络对所述增强文本图像进行文本识别处理,得到第二文本识别结果。
根据本公开的一方面,提供了一种图像处理装置,包括:获取模块,用于获取原始文本图像;图像处理模块,用于通过生成网络对所述原始文本图像进行图像质量增强处理,得到增强文本图像,其中,所述生成网络是基于第一文本识别网络进行辅助训练得到的。
在一种可能的实现方式中,所述图像质量增强处理包括文本修复处理。
在一种可能的实现方式中,所述生成网络包括步长大于1的至少一个第一卷积层、步长为1的至少一个第二卷积层和至少一个反卷积层;所述图像处理模块,包括:下采样子模块,用于通过所述至少一个第一卷积层对所述原始文本图像进行下采样处理,得到下采样结果;卷积子模块,用于通过所述至少一个第二卷积层对所述下采样结果进行卷积处理,得到卷积结果;上采样子模块,用于通过所述至少一个反卷积层对所述卷积结果进行上采样处理,得到所述增强文本图像。
在一种可能的实现方式中,所述图像处理包括超分辨率处理,其中,所述增强文本图像的分辨率高于所述原始文本图像的分辨率。
在一种可能的实现方式中,所述生成网络包括步长为1的至少一个第二卷积层和至少一个反卷积层;所述图像处理模块,包括:卷积子模块,用于通过所述至少一个第二卷积层对所述原始文本图像进行卷积处理,得到卷积结果;上采样子模块,用于通过所述至少一个反卷积层对所述卷积结果进行上采样处理,得到所述增强文本图像。
在一种可能的实现方式中,所述生成网络的训练样本包括所述原始文本图像和对应的标注文本信息;所述装置还包括:第一文本识别模块,用于利用所述第一文本识别网络对所述增强文本图像进行文本识别处理,得到第一文本识别结果;第一参数调整模块,用于基于所述标注文本信息及所述第一文本识别结果之间的差异,调整所述生成网络的网络参数。
在一种可能的实现方式中,所述训练样本还包括所述原始文本图像对应的参考文本图像;所述装置还包括:第二参数调整模块,用于根据所述参考文本图像和所述增强文本图像之间的差异,调整所述生成网络的网络参数。
在一种可能的实现方式中,所述生成网络是基于所述第一文本识别网络和判别网络进行辅助训练得到的。
在一种可能的实现方式中,所述装置还包括:第二文本识别模块,用于利用第二文本识别网络对所述增强文本图像进行文本识别处理,得到第二文本识别结果。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,获取原始文本图像,通过基于第一文本识别网络进行辅助训练得到的生成网络,对原始文本图像进行图像质量增强处理,得到增强文本图像,从而可以提高原始文本图像的图像质量,进而可以提高文本识别精度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出本公开实施例的一种图像处理方法的流程图;
图2示出本公开实施例的一种生成网络的结构示意图;
图3示出本公开实施例的一种生成网络的结构示意图;
图4示出本公开实施例的一种图像处理装置的框图;
图5示出本公开实施例的一种电子设备的框图;
图6示出本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出本公开实施例的一种图像处理方法的流程图。该图像处理方法可以由终端设备或其它处理设备执行,其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。其它处理设备可为服务器或云端服务器等。在一些可能的实现方式中,该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。应理解,该图像处理方法既可以应用于利用生成网络对图像进行图像质量增强处理的推理阶段,也可以应用于对生成网络进行训练的训练阶段,本公开实施例对此不做具体限定。如图1所示,该方法可以包括:
步骤S11,获取原始文本图像。
步骤S12,通过生成网络对原始文本图像进行图像质量增强处理,得到增强文本图像,其中,生成网络是基于第一文本识别网络进行辅助训练得到的。
获取原始文本图像之后,通过基于第一文本识别网络进行辅助训练得到的生成网络,对原始文本图像进行图像质量增强处理得到增强文本图像,从而可以提高原始文本图像的图像质量,进而可以提高文本识别精度。
上述生成网络和第一文本识别网络可以是神经网络,也可以是其它可实现对应处理的网络模型,本公开对此不做具体限定。
在一种可能的实现方式中,图像质量增强处理包括文本修复处理。
在原始文本图像中的文本信息存在缺失的情况下(例如,原始文本图像为破损的图像、受污损的图像、受腐蚀的图像、有划痕的图像等),可以通过生成网络对原始文本图像进行文本修复处理,得到文本信息完整度高于原始文本图像的增强文本图像,以提高原始文本图像的图像质量。
在一种可能的实现方式中,生成网络包括步长大于1的至少一个第一卷积层、步长为1的至少一个第二卷积层和至少一个反卷积层;通过生成网络对原始文本图像进行图像质量增强处理,得到增强文本图像,包括:通过至少一个第一卷积层对原始文本图像进行下采样处理,得到下采样结果;通过至少一个第二卷积层对下采样结果进行卷积处理,得到卷积结果;通过至少一个反卷积层对卷积结果进行上采样处理,得到增强文本图像。
图2示出本公开实施例的一种生成网络的结构示意图。如图2所示,生成网络可以包括步长大于1的第一卷积层(Conv层)201、激活层(ReLU层)202、多个残差模块203、反卷积层(DeConv层)204、激活层(ReLU层)205、反卷积层(DeConv层)206、激活层(ReLU层)207及步长为1的第二卷积层(Conv层)208。
生成网络通过第一卷积层201对原始文本图像209进行下采样处理,降低原始文本图像的分辨率,得到下采样结果,下采样结果中包括从原始文本图像中提取的文本特征信息,例如,语意信息。通过激活层202对下采样结果进行激活处理后,将激活后的下采样结果输入残差模块203,通过残差模块203确定激活后的下采样结果的残差,并对该残差与激活后的下采样结果进行求和处理,得到第一数据,并根据第一数据及其它残差模块依次执行残差计算及求得的残差与残差模块的输入数据的求和计算,得到残差处理数据。反卷积层204对该残差处理数据进行上采样处理(即反卷积处理),得到第一反卷积结果后,输入第一反卷积结果至激活层205。激活层205对第一反卷积结果进行激活处理后,将激活后的第一反卷积结果输入反卷积层206。反卷积层206对激活后的反卷积结果进行上采样处理(即反卷积处理),得到第二反卷积结果,并将第二反卷积结果输入激活层207。激活层207对第二反卷积结果执行激活操作后,得到激活后的第二反卷积结果。通过第二卷积层208对激活后的第二反卷积结果进行卷积处理后,得到增强文本图像210。增强文本图像的文本信息完整度高于原始文本图像的文本信息完整度,因此,增强文本图像的图像质量高于原始文本图像的图像质量。第一卷积层可以实现针对输入数据的下采样处理,以从低图像质量的原始文本图像中提取文本特征信息;反卷积层可以实现针对输入数据的上采样处理,以构建与原始文本图像的分辨率相同且图像质量高于原始文本图像的增强文本图像。第一卷积层、第二卷积层和反卷积层的数目以及在生成网络中的位置可以根据实际情况变化,本公开对此不做具体限定。
在一种可能的实现方式中,图像处理包括超分辨率处理,其中,增强文本图像的分辨率高于原始文本图像的分辨率。
在原始文本图像中的分辨率较低的情况下(例如,原始文本图像为低分辨率图像),可以通过生成网络对原始文本图像进行超分辨率处理,得到分辨率高于原始文本图像的增强文本图像(例如,超分辨率图像),以增强原始文本图像的图像质量。
在一种可能的实现方式中,生成网络包括步长为1的至少一个第二卷积层和至少一个反卷积层;通过生成网络对原始文本图像进行图像质量增强处理,得到增强文本图像,包括:通过至少一个第二卷积层对原始文本图像进行卷积处理,得到卷积结果;通过至少一个反卷积层对卷积结果进行上采样处理,得到增强本文图像。
图3示出本公开实施例的一种生成网络的结构示意图。如图3所示,生成网络可以包括步长为1的第二卷积层(Conv层)301、激活层(ReLU层)302、多个残差模块303、反卷积层(DeConv层)304、激活层(ReLU层)305、反卷积层(DeConv层)306、激活层(ReLU层)307及步长为1的第二卷积层(Conv层)308。
生成网络通过第二卷积层301对原始文本图像309进行卷积处理,得到第一卷积结果,第一卷积结果中包括从原始文本图像中提取的文本特征信息,例如,语意信息。通过激活层302对第一卷积结果进行激活处理后,将激活后的第一卷积结果输入残差模块303,通过残差模块303确定激活后的第一卷积结果的残差,并对该残差与激活后的第一卷积结果进行求和处理,得到第一数据,并根据第一数据及其他残差模块依次执行残差计算及求得的残差与残差模块的输入数据的求和计算,得到残差处理数据。反卷积层304对残差处理数据进行上采样处理(即反卷积处理),得到第一反卷积结果后,输入第一反卷积结果至激活层305。激活层305对第一反卷积处理结果进行激活处理后,将激活后的第一反卷积处理结果输入反卷积层306。反卷积层306对激活后的第一反卷积结果进行上采样处理(即反卷积处理),得到第二反卷积结果,并将第二反卷积结果输入激活层307。激活层307对第二反卷积结果执行激活操作后,得到激活后的第二反卷积结果。通过第二卷积层308对激活后的第二反卷积结果进行卷积处理后,得到增强文本图像310(例如,超分辨率图像)。增强文本图像的分辨率高于原始文本图像的分辨率,因此,增强文本图像的图像质量高于原始文本图像的图像质量。反卷积层可以实现针对输入数据的上采样处理,以构建分辨率高于原始文本图像且图像质量高于原始文本图像的增强文本图像。第二卷积层和反卷积层的数目以及在生成网络中的位置可以根据实际情况变化,本公开对此不做具体限定。
在一种可能的实现方式中,该方法还包括:利用第二文本识别网络对增强文本图像进行文本识别处理,得到第二文本识别结果。
由于生成网络对原始文本图像进行图像质量增强处理后,得到的增强文本图像的图像质量较高,可以通过第二文本识别网络对增强文本图像进行文本识别处理,得到第二文本识别结果,从而可以提高文本识别精度。第一文本识别网络和第二文本识别网络可以相同,也可以不相同,本公开对此不做具体限定。
在一种可能的实现方式中,生成网络的训练样本包括原始文本图像和对应的标注文本信息;该方法还包括:利用第一文本识别网络对增强文本图像进行文本识别处理,得到第一文本识别结果;基于标注文本信息及第一文本识别结果之间的差异,调整生成网络的网络参数。
在本公开实施例中,可以预先创建生成网络的训练样本,训练样本中可以包括原始文本图像和原始文本图像对应的标注文本信息(原始文本图像对应的标注文本信息为原始文本图像中包括的文本信息),可以基于第一文本识别网络和训练样本对生成网络进行训练。其中,第一文本识别网络可以是预先训练好的网络,也可以和生成网络协同训练,本公开对此不做具体限定。
在本公开实施例中,在生成网络生成原始文本图像对应的增强文本图像后,可以将增强文本图像输入至第一文本识别网络进行文本识别处理,得到增强文本图像中包括的第一文本信息,即第一文本识别结果。其中,第一文本识别网络可以为用于文本识别的卷积神经网络。
如图2所示,第一文本识别网络对增强文本图像210进行文本识别处理,得到第一文本识别结果。如图3所示,第一文本识别网络对增强文本图像310进行文本识别处理,得到第一文本识别结果。
在一种可能的实现方式中,第一文本识别网络包括文本整流子网络和文本识别子网络;利用第一文本识别网络对增强文本图像进行文本识别处理,得到第一文本识别结果,包括:通过文本整流子网络对增强文本图像中的文本进行整流处理,得到整流后的文本序列;通过文本识别子网络对文本序列进行文本识别处理,得到第一文本识别结果。
上述文本整流子网络可以对增强文本图像中的文本进行矫正,例如:对增强文本图像中的文本进行字符纠正、排序、位置和字体大小调整等操作,以将增强文本图像中的文本调整为规范格式,得到整流后的文本序列。
上述文本识别子网络可以对文本整流子网络得到的整流后的文本序列进行文本识别处理,得到增强文本图像中包括的第一文本信息,即得到第一文本识别结果。示例性的,如图2、图3所示,第一文本识别子网络可以由编码器及解码器组成,其中,编码器可以用于提取整流后的增强文本图像中的文本特征信息,并将文本特征信息转换为特征序列,解码器用于根据特征序列预测字符序列,得到增强文本图像中包括的第一文本信息。
基于文本整流子网络对增强文本图像中的文本进行整流后,再通过文本识别子网络对整流后的文本序列进行文本识别处理,可以提高文本识别精度。
在通过第一文本识别网络对增强文本图像进行文本识别处理得到第一文本识别结果后,根据原始文本图像对应的标注文本信息及第一文本识别网络识别得到的第一文本识别结果之间的差异,可以确定第一文本识别网络针对原始文本图像的第一识别损失,例如:可以通过以下公式(一)确定第一识别损失:
其中,t表示文本信息的字符序列的长度,ISR表示增强文本图像,yt表示原始文本图像对应的标注文本信息的字符序列中第t个字符,p(yt|ISR)表示第一文本识别网络识别得到的第一文本识别结果输出的第t个字符,lTR表示第一文本识别网络针对原始文本图像的第一识别损失。
在训练样本中包括多个原始文本图像的情况下,可以根据第一文本识别网络对各个原始文本图像的第一识别损失,确定生成网络的第一生成损失,例如:可以将所有原始文本图像的第一识别损失的均值确定为生成网络的第一生成损失,可以通过以下公式(二)确定第一生成损失:
其中,G表示生成网络,n表示原始文本图像的编号,N表示原始文本图像的总数,表示第n个原始文本图像,/>表示第n个原始文本图像对应的增强文本图像,yn表示第n个原始文本图像对应的标注文本信息,/>表示第一文本识别网络针对第n个原始文本图像的第一识别损失。
在基于第一文本识别网络对原始文本图像的第一识别损失,确定生成网络的第一生成损失后,可以基于第一生成损失反向传播训练生成网络,例如:根据第一生成损失调整生成网络的网络参数,直至第一生成损失满足生成网络的训练要求。
在本公开实施例中,可以在训练生成网络前预先训练第一文本识别网络,也可以在训练生成网络的同时训练第一文本识别网络。
在一种可能的实现方式中,训练样本还包括原始文本图像对应的参考文本图像,该方法还包括:针对原始文本图像对应的参考文本图像,通过第一文本识别网络对参考文本图像进行文本识别处理,得到第二文本识别结果;根据原始文本图像对应的标注文本信息及第二文本识别结果,调整第一文本识别网络的网络参数。
预先根据训练样本训练第一文本识别网络,并在完成第一文本识别网络的训练后,根据训练后得到的第一文本识别网络监督生成网络的训练。
针对第一文本识别网络的训练过程具体为:通过第一识别网络对原始文本图像对应的参考文本图像进行文本识别处理,得到参考文本图像中包括的第二文本信息,即得到第二文本识别结果,并根据原始文本图像对应的标注文本信息及参考文本图像中包括的第二文本信息之间的差异,确定第一文本识别网络的第二文本识别损失,进而根据第二文本识别损失调整第一文本识别网络的网络参数,直至第一文本识别网络的第二文本识别损失满足第一文本识别网络的训练要求为止,停止第一文本识别网络的训练,得到训练后的第一文本识别网络。
在完成第一文本识别网络的训练后,可以通过第一文本识别网络对生成网络生成的增强文本图像进行文本识别处理,得到第一文本识别结果,并根据第一文本识别结果及原始文本图像对应的标注文本信息的差异,调整生成网络的网络参数。
在训练生成网络之前,预先训练第一文本识别网络,并通过训练好的第一文本识别网络监督生成网络的训练,能够加快生成网络的收敛速度,使得生成网络可以生成图像质量更高的增强文本图像。
在一种可能的实现方式中,该方法还包括:根据第一识别损失,训练第一文本识别网络。
在训练生成网络的过程中,可以同时训练第一文本识别网络。在确定第一文本识别网络针对原始文本图像的第一识别损失后,可以根据第一识别损失调整第一文本识别网络的网络参数,直至第一识别损失满足识别网络的训练要求。
在一种可能的实现方式中,该方法还包括:根据参考文本图像和增强文本图像之间的差异,调整生成网络的网络参数。
其中,原始文本图像对应的参考文本图像与原始文本图像中包括的内容一致,且参考文本图像的图像质量高于原始文本图像的图像质量。根据原始文本图像对应的参考文本图像及增强文本图像之前的差异,可以确定生成网络的第二生成损失,例如:可以采用0-1损失函数、平方损失函数、绝对损失函数、指数损失函数等损失函数确定第二生成损失,本公开对于确定生成网络的第二生成损失的函数不做具体限定。
在基于原始文本图像对应的参考文本图像及增强文本图像之前的差异,确定生成网络的第二生成损失后,可以基于第二生成损失反向传播训练生成网络,例如:根据第二生成损失调整生成网络的网络参数,直至第二生成损失满足生成网络的训练要求。
在一种可能的实现方式中,根据第一生成损失及第二生成损失,综合调整生成网络的网络参数。
在基于第一文本识别网络对原始文本图像的第一识别损失确定生成网络的第一生成损失后,可以结合生成网络的第二生成损失反向传播综合训练生成网络,例如:根据第一生成损失及第二生成损失综合调整生成网络的网络参数,直至第一生成损失及第二生成损失满足生成网络的训练要求。
在一种可能的实现方式中,根据第一生成损失及第二生成损失,综合调整生成网络的网络参数,包括:对第一生成损失与第二生成损失进行加权求和操作,得到生成网络的第一总体损失;根据第一总体损失,调整生成网络的网络参数。可以通过下述公式(三)确定生成网络的第一总体损失:
其中,表示第n个原始文本图像对应的参考文本图像,/>表示第n个原始文本图像对应的第一生成损失及第二生成损失的加权和。
通过生成网络对原始文本图像进行图像质量增强处理,得到增强文本图像,根据原始文本图像对应的参考文本图像及原始文本图像确定生成网络的第二生成损失,以及通过第一文本识别网络对增强文本图像进行文本识别处理得到的第一文本识别结果及原始文本图像对应的标注文本信息确定生成网络的第一生成损失后,通过第一生成损失和第二生成损失反向传播以监督生成网络的训练,加快生成网络的收敛速度,使得生成网络可以生成图像质量更高的增强文本图像,提高原始文本图像的文本识别精度。
在一种可能的实现方式中,生成网络是基于第一文本识别网络和判别网络进行辅助训练得到的。
将生成网络生成的增强文本图像及原始文本图像对应的参考文本图像输入判别网络,如图2所示,将增强文本图像210和参考文本图像211输入判别网络,如图3所示,将增强文本图像310和参考文本图像311输入判别网络。判别网络判断输入的图像是参考文本图像还是增强文本图像,得到增强文本图像的判别结果及参考文本图像的判别结果。根据增强文本图像的判别结果及参考文本图像的判别结果,确定对抗损失,根据对抗损失调整生成网络及判别网络的网络参数,即对生成网络及判别网络进行对抗训练。
其中,可以通过下述公式(四)对生成网络及判别网络进行对抗训练:
其中,上述D表示判别网络,IHR表示原始文本图像对应的参考文本图像,ILR表示原始文本图像,表示参考文本图像服从训练样本的概率分布情况下的判别损失,表示原始文本图像服从生成网络的输出的判别损失,DθD(IHR)表示判别网络确定参考文本图像为参考文本图像的概率,DθD(GθG(ILR))表示判别网络确定增强文本图像为参考文本图像的概率。
在一种可能的实现方式中,该方法还包括:根据第一生成损失、第二生成损失以及对抗损失,得到生成网络的第二总体损失;根据第二总体损失调整生成网络及判别网络的网络参数。
在确定对抗损失后,可以对生成网络的第一生成损失、第二生成损失及上述对抗损失进行加权求和操作,得到生成网络的第二总体损失,并根据该第二总体损失调整生成网络的网络参数。
通过调整参数后的生成网络对原始文本图像进行图像质量增强处理,得到增强文本图像,通过判别网络分别对增强文本图像及原始文本图像对应的参考文本图像进行判别,根据判别结果确定对抗训练的对抗损失,并根据对抗损失调整判别网络的参数。循环执行根据对抗损失对生成网络及判别网络进行参数调整的过程,以优化生成网络及判别网络,直至对抗损失满足对抗训练要求。在优化生成网络时,期望V(D,G)最小化,也即生成网络能生成无限趋近于原始文本图像对应的参考文本图像的增强文本图像。在优化判别网络时,期望V(D,G)最大化,也即判别网络能判断出输入的图像为原始文本图像对应的参考文本图像还是来自生成网络生成的增强文本图像。在训练过程中,生成网络试图混淆增强文本图像与原始文本图像对应的参考文本图像,判别网络试图区分增强文本图像与原始文本图像对应的参考文本图像,两者相互对抗。在优化过程中,两个网络分别提升生成及判别能力,最终得到最优的网络参数。
在本公开实施例中,获取原始文本图像,通过基于第一文本识别网络进行辅助训练得到的生成网络,对原始文本图像进行图像质量增强处理,得到增强文本图像,从而可以提高原始文本图像的图像质量,进而可以提高文本识别精度。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图4示出本公开实施例的一种图像处理装置的框图。如图4所示,装置40包括:
获取模块41,用于获取原始文本图像;
图像处理模块42,用于通过生成网络对原始文本图像进行图像质量增强处理,得到增强文本图像,其中,生成网络是基于第一文本识别网络进行辅助训练得到的。
在一种可能的实现方式中,图像质量增强处理包括文本修复处理。
在一种可能的实现方式中,生成网络包括步长大于1的至少一个第一卷积层、步长为1的至少一个第二卷积层和至少一个反卷积层;
图像处理模块42,包括:
下采样子模块,用于通过至少一个第一卷积层对原始文本图像进行下采样处理,得到下采样结果;
卷积子模块,用于通过至少一个第二卷积层对下采样结果进行卷积处理,得到卷积结果;
上采样子模块,用于通过至少一个反卷积层对卷积结果进行上采样处理,得到增强文本图像。
在一种可能的实现方式中,图像处理包括超分辨率处理,其中,增强文本图像的分辨率高于原始文本图像的分辨率。
在一种可能的实现方式中,生成网络包括步长为1的至少一个第二卷积层和至少一个反卷积层;
图像处理模块42,包括:
卷积子模块,用于通过至少一个第二卷积层对原始文本图像进行卷积处理,得到卷积结果;
上采样子模块,用于通过至少一个反卷积层对卷积结果进行上采样处理,得到增强文本图像。
在一种可能的实现方式中,生成网络的训练样本包括原始文本图像和对应的标注文本信息;
装置40还包括:
第一文本识别模块,用于利用第一文本识别网络对增强文本图像进行文本识别处理,得到第一文本识别结果;
第一参数调整模块,用于基于标注文本信息及第一文本识别结果之间的差异,调整生成网络的网络参数。
在一种可能的实现方式中,训练样本还包括原始文本图像对应的参考文本图像;
装置40还包括:
第二参数调整模块,用于根据参考文本图像和增强文本图像之间的差异,调整生成网络的网络参数。
在一种可能的实现方式中,生成网络是基于第一文本识别网络和判别网络进行辅助训练得到的。
在一种可能的实现方式中,装置40还包括:
第二文本识别模块,用于利用第二文本识别网络对增强文本图像进行文本识别处理,得到第二文本识别结果。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的图像处理方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的图像处理方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出本公开实施例的一种电子设备的框图。例如,电子设备500可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图5,电子设备500可以包括以下一个或多个组件:处理组件502,存储器504,电源组件506,多媒体组件508,音频组件510,输入/输出(I/O)的接口512,传感器组件514,以及通信组件516。
处理组件502通常控制电子设备500的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件502可以包括一个或多个模块,便于处理组件502和其他组件之间的交互。例如,处理组件502可以包括多媒体模块,以方便多媒体组件508和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在电子设备500的操作。这些数据的示例包括用于在电子设备500上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件506为电子设备500的各种组件提供电力。电源组件506可以包括电源管理***,一个或多个电源,及其他与为电子设备500生成、管理和分配电力相关联的组件。
多媒体组件508包括在所述电子设备500和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件508包括一个前置摄像头和/或后置摄像头。当电子设备500处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件510被配置为输出和/或输入音频信号。例如,音频组件510包括一个麦克风(MIC),当电子设备500处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中,音频组件510还包括一个扬声器,用于输出音频信号。
I/O接口512为处理组件502和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件514包括一个或多个传感器,用于为电子设备500提供各个方面的状态评估。例如,传感器组件514可以检测到电子设备500的打开/关闭状态,组件的相对定位,例如所述组件为电子设备500的显示器和小键盘,传感器组件514还可以检测电子设备500或电子设备500一个组件的位置改变,用户与电子设备500接触的存在或不存在,电子设备500方位或加速/减速和电子设备500的温度变化。传感器组件514可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件514还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件516被配置为便于电子设备500和其他设备之间有线或无线方式的通信。电子设备500可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件516经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件516还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器504,上述计算机程序指令可由电子设备500的处理器520执行以完成上述方法。
图6示出本公开实施例的一种电子设备的框图。例如,电子设备600可以被提供为一服务器。参照图6,电子设备600包括处理组件622,其进一步包括一个或多个处理器,以及由存储器632所代表的存储器资源,用于存储可由处理组件622的执行的指令,例如应用程序。存储器632中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件622被配置为执行指令,以执行上述方法。
电子设备600还可以包括一个电源组件626被配置为执行电子设备600的电源管理,一个有线或无线网络接口650被配置为将电子设备600连接到网络,和一个输入输出(I/O)接口658。电子设备600可以操作基于存储在存储器632的操作***,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器632,上述计算机程序指令可由电子设备1900的处理组件622执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种图像处理方法,其特征在于,包括:
获取原始文本图像;
通过生成网络对所述原始文本图像进行图像质量增强处理,得到增强文本图像,其中,所述生成网络是基于第一文本识别网络进行辅助训练得到的;
其中,所述图像质量增强处理包括:文本修复处理,所述增强文本图像的文本信息完整度高于所述原始文本图像的文本信息完整度;
所述生成网络的训练样本包括:所述原始文本图像、所述原始文本图像对应的标注文本信息和参考文本图像,其中,所述原始文本图像中的文本信息存在缺失,所述缺失包括破损、受污损、受腐蚀和有划痕中的至少一项,所述参考文本图像与所述原始文本图像中包括的内容一致,且所述参考文本图像的图像质量高于所述原始文本图像的图像质量;
所述方法还包括:
利用所述第一文本识别网络对所述增强文本图像进行文本识别处理,得到第一文本识别结果;
所述生成网络基于第一文本识别网络进行辅助训练,包括:
根据所述标注文本信息及所述第一文本识别结果之间的差异,确定所述第一文本识别网络对所述原始文本图像的第一识别损失;
根据所述第一文本识别网络对各个所述原始文本图像的所述第一识别损失,确定所述生成网络的第一生成损失;
根据所述参考文本图像和所述增强文本图像之间的差异,确定所述生成网络的第二生成损失;
根据所述第一生成损失及所述第二生成损失,综合调整所述生成网络的网络参数。
2.根据权利要求1所述的方法,其特征在于,所述生成网络包括步长大于1的至少一个第一卷积层、步长为1的至少一个第二卷积层和至少一个反卷积层;
所述通过生成网络对所述原始文本图像进行图像质量增强处理,得到增强文本图像,包括:
通过所述至少一个第一卷积层对所述原始文本图像进行下采样处理,得到下采样结果;
通过所述至少一个第二卷积层对所述下采样结果进行卷积处理,得到卷积结果;
通过所述至少一个反卷积层对所述卷积结果进行上采样处理,得到所述增强文本图像。
3.根据权利要求1或2所述的方法,其特征在于,所述图像处理包括超分辨率处理,其中,所述增强文本图像的分辨率高于所述原始文本图像的分辨率。
4.根据权利要求3所述的方法,其特征在于,所述生成网络包括步长为1的至少一个第二卷积层和至少一个反卷积层;
所述通过生成网络对所述原始文本图像进行图像质量增强处理,得到增强文本图像,包括:
通过所述至少一个第二卷积层对所述原始文本图像进行卷积处理,得到卷积结果;
通过所述至少一个反卷积层对所述卷积结果进行上采样处理,得到所述增强文本图像。
5.根据权利要求1或2所述的方法,其特征在于,所述生成网络是基于所述第一文本识别网络和判别网络进行辅助训练得到的。
6.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
利用第二文本识别网络对所述增强文本图像进行文本识别处理,得到第二文本识别结果。
7.一种图像处理装置,其特征在于,包括:
获取模块,用于获取原始文本图像;
图像处理模块,用于通过生成网络对所述原始文本图像进行图像质量增强处理,得到增强文本图像,其中,所述生成网络是基于第一文本识别网络进行辅助训练得到的;
其中,所述图像质量增强处理包括:文本修复处理,所述增强文本图像的文本信息完整度高于所述原始文本图像的文本信息完整度;
所述生成网络的训练样本包括:所述原始文本图像、所述原始文本图像对应的标注文本信息和参考文本图像,其中,所述原始文本图像中的文本信息存在缺失,所述缺失包括破损、受污损、受腐蚀和有划痕中的至少一项,所述参考文本图像与所述原始文本图像中包括的内容一致,且所述参考文本图像的图像质量高于所述原始文本图像的图像质量;
所述装置还包括:
第一文本识别模块,用于利用所述第一文本识别网络对所述增强文本图像进行文本识别处理,得到第一文本识别结果;
参数调整模块,用于根据所述标注文本信息及所述第一文本识别结果之间的差异,确定所述第一文本识别网络对所述原始文本图像的第一识别损失;根据所述第一文本识别网络对各个所述原始文本图像的所述第一识别损失,确定所述生成网络的第一生成损失;根据所述参考文本图像和所述增强文本图像之间的差异,确定所述生成网络的第二生成损失;根据所述第一生成损失及所述第二生成损失,综合调整所述生成网络的网络参数。
8.根据权利要求7所述的装置,其特征在于,所述生成网络包括步长大于1的至少一个第一卷积层、步长为1的至少一个第二卷积层和至少一个反卷积层;
所述图像处理模块,包括:
下采样子模块,用于通过所述至少一个第一卷积层对所述原始文本图像进行下采样处理,得到下采样结果;
卷积子模块,用于通过所述至少一个第二卷积层对所述下采样结果进行卷积处理,得到卷积结果;
上采样子模块,用于通过所述至少一个反卷积层对所述卷积结果进行上采样处理,得到所述增强文本图像。
9.根据权利要求7或8所述的装置,其特征在于,所述图像处理包括超分辨率处理,其中,所述增强文本图像的分辨率高于所述原始文本图像的分辨率。
10.根据权利要求9所述的装置,其特征在于,所述生成网络包括步长为1的至少一个第二卷积层和至少一个反卷积层;
所述图像处理模块,包括:
卷积子模块,用于通过所述至少一个第二卷积层对所述原始文本图像进行卷积处理,得到卷积结果;
上采样子模块,用于通过所述至少一个反卷积层对所述卷积结果进行上采样处理,得到所述增强文本图像。
11.根据权利要求7或8所述的装置,其特征在于,所述生成网络是基于所述第一文本识别网络和判别网络进行辅助训练得到的。
12.根据权利要求7或8所述的装置,其特征在于,所述装置还包括:
第二文本识别模块,用于利用第二文本识别网络对所述增强文本图像进行文本识别处理,得到第二文本识别结果。
13.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至6中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至6中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910888618.9A CN110633755A (zh) | 2019-09-19 | 2019-09-19 | 网络训练方法、图像处理方法及装置、电子设备 |
CN2019108886189 | 2019-09-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889469A CN110889469A (zh) | 2020-03-17 |
CN110889469B true CN110889469B (zh) | 2023-07-21 |
Family
ID=68971852
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910888618.9A Pending CN110633755A (zh) | 2019-09-19 | 2019-09-19 | 网络训练方法、图像处理方法及装置、电子设备 |
CN201911337804.XA Active CN110889469B (zh) | 2019-09-19 | 2019-12-23 | 图像处理方法及装置、电子设备和存储介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910888618.9A Pending CN110633755A (zh) | 2019-09-19 | 2019-09-19 | 网络训练方法、图像处理方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110633755A (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223040B (zh) * | 2020-01-09 | 2023-04-25 | 北京市商汤科技开发有限公司 | 网络训练方法及装置、图像生成方法及装置 |
CN111310764B (zh) * | 2020-01-20 | 2024-03-26 | 上海商汤智能科技有限公司 | 网络训练、图像处理方法及装置、电子设备和存储介质 |
CN111402156B (zh) * | 2020-03-11 | 2021-08-03 | 腾讯科技(深圳)有限公司 | 一种涂抹图像的复原方法、装置及存储介质和终端设备 |
CN111461070B (zh) * | 2020-04-29 | 2023-12-08 | Oppo广东移动通信有限公司 | 文本识别方法、装置、电子设备及存储介质 |
CN111652093B (zh) * | 2020-05-21 | 2023-10-24 | 中国工商银行股份有限公司 | 文本图像处理方法及装置 |
CN112419159B (zh) * | 2020-12-07 | 2024-06-04 | 上海互联网软件集团有限公司 | 文字图像超分辨率重建***及方法 |
CN112906699B (zh) * | 2020-12-23 | 2024-06-14 | 深圳市信义科技有限公司 | 一种车牌放大号的检测识别方法 |
CN112669204B (zh) * | 2021-01-04 | 2024-05-03 | 北京金山云网络技术有限公司 | 图像处理方法、图像处理模型的训练方法和装置 |
CN113538235B (zh) * | 2021-06-30 | 2024-01-09 | 北京百度网讯科技有限公司 | 图像处理模型的训练方法、装置、电子设备及存储介质 |
CN113537151B (zh) * | 2021-08-12 | 2023-10-17 | 北京达佳互联信息技术有限公司 | 图像处理模型的训练方法及装置、图像处理方法及装置 |
CN113591798B (zh) * | 2021-08-23 | 2023-11-03 | 京东科技控股股份有限公司 | 文档文字的重建方法及装置、电子设备、计算机存储介质 |
CN116095509B (zh) * | 2021-11-05 | 2024-04-12 | 荣耀终端有限公司 | 生成视频帧的方法、装置、电子设备及存储介质 |
CN116091871B (zh) * | 2023-03-07 | 2023-08-25 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种针对目标检测模型的物理对抗样本生成方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330444A (zh) * | 2017-05-27 | 2017-11-07 | 苏州科技大学 | 一种基于生成对抗网络的图像自动文本标注方法 |
CN107679533A (zh) * | 2017-09-27 | 2018-02-09 | 北京小米移动软件有限公司 | 文字识别方法及装置 |
CN109657229A (zh) * | 2018-10-31 | 2019-04-19 | 北京奇艺世纪科技有限公司 | 一种意图识别模型生成方法、意图识别方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10776903B2 (en) * | 2017-07-17 | 2020-09-15 | Open Text Corporation | Systems and methods for image modification and image based content capture and extraction in neural networks |
-
2019
- 2019-09-19 CN CN201910888618.9A patent/CN110633755A/zh active Pending
- 2019-12-23 CN CN201911337804.XA patent/CN110889469B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330444A (zh) * | 2017-05-27 | 2017-11-07 | 苏州科技大学 | 一种基于生成对抗网络的图像自动文本标注方法 |
CN107679533A (zh) * | 2017-09-27 | 2018-02-09 | 北京小米移动软件有限公司 | 文字识别方法及装置 |
CN109657229A (zh) * | 2018-10-31 | 2019-04-19 | 北京奇艺世纪科技有限公司 | 一种意图识别模型生成方法、意图识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
双判别器生成对抗网络图像的超分辨率重建方法;袁飘逸等;《激光与光电子学进展》;20190515(第23期);第148-157页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110633755A (zh) | 2019-12-31 |
CN110889469A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889469B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111753822B (zh) | 文本识别方法及装置、电子设备和存储介质 | |
CN110348537B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110378976B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN111783756B (zh) | 文本识别方法及装置、电子设备和存储介质 | |
CN111445493B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN111931844B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
CN111242303B (zh) | 网络训练方法及装置、图像处理方法及装置 | |
CN113065591B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
CN110781813A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN111583142B (zh) | 图像降噪方法及装置、电子设备和存储介质 | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
CN109447258B (zh) | 神经网络模型的优化方法及装置、电子设备和存储介质 | |
CN113313115B (zh) | 车牌属性识别方法及装置、电子设备和存储介质 | |
CN113538310A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111311588B (zh) | 重定位方法及装置、电子设备和存储介质 | |
CN110826463B (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
CN110070046B (zh) | 人脸图像识别方法及装置、电子设备和存储介质 | |
CN109635926B (zh) | 用于神经网络的注意力特征获取方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |