CN111539410A - 字符识别方法及装置、电子设备和存储介质 - Google Patents
字符识别方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111539410A CN111539410A CN202010301340.3A CN202010301340A CN111539410A CN 111539410 A CN111539410 A CN 111539410A CN 202010301340 A CN202010301340 A CN 202010301340A CN 111539410 A CN111539410 A CN 111539410A
- Authority
- CN
- China
- Prior art keywords
- target image
- coding
- image
- features
- character
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 119
- 239000013598 vector Substances 0.000 claims abstract description 121
- 238000012545 processing Methods 0.000 claims description 92
- 230000008569 process Effects 0.000 claims description 72
- 230000015654 memory Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 20
- 230000004927 fusion Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000001788 irregular Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000004913 activation 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
- 239000000126 substance Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm 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
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1918—Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/86—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using syntactic or structural representations of the image or video pattern, e.g. symbolic string recognition; using graph matching
-
- 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
- G06V30/14—Image acquisition
-
- 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
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/18133—Extraction of features or characteristics of the image regional/local feature not essentially salient, e.g. local binary pattern
-
- 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
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/182—Extraction of features or characteristics of the image by coding the contour of the pattern
- G06V30/1823—Extraction of features or characteristics of the image by coding the contour of the pattern using vector-coding
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本公开涉及一种字符识别方法及装置、电子设备和存储介质,其中,所述方法包括:获取待识别的目标图像;基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征;其中,所述位置向量是基于预设信息序列中字符的位置特征确定的;基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果。本公开实施例可以提高字符识别的准确率。
Description
技术领域
本公开涉及电子技术领域,尤其涉及一种字符识别方法及装置、电子设备和存储介质。
背景技术
随着电子技术的发展,越来越多的工作可以利用电子设备完成,或者,可以通过电子设备辅助完成,这为人们提供了便利条件。例如,可以利用计算机自动对字符进行识别,以提高人工处理的效率。
目前,字符识别可以针对规则的字符进行识别,例如,对文档进行解析等。字符识别还可以针对不规则的字符进行识别,例如,对交通标志、店面招牌等自然场景中的不规则字符进行识别。但是,由于视角变化、光照变化等因素,难以对不规则字符进行准确识别。
发明内容
本公开提出了一种字符识别技术方案。
根据本公开的一方面,提供了一种字符识别方法,包括:获取待识别的目标图像;基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征;其中,所述位置向量是基于预设信息序列中字符的位置特征确定的;基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果。
在一个可能的实现方式中,所述基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征,包括:对所述目标图像的第一图像特征进行编码,得到所述第一图像特征的编码结果;根据所述第一图像特征的编码结果,确定所述目标图像的第二图像特征;基于确定的位置向量、所述第一图像特征以及所述第二图像特征,得到所述目标图像的字符特征。这里,由于第二图像特征具有更强的位置特征,从而得到的目标图像的文字特征也具有更强的位置特征,从而使由字符特征得到字符识别结果更加准确,更加减少字符识别结果受到语义的影响。
在一个可能的实现方式中,所述对所述目标图像的第一图像特征进行编码,得到所述第一图像特征的编码结果,包括:依次对所述第一图像特征的多个第一维度特征向量进行至少一级第一编码处理,得到所述第一图像特征的编码结果。通过依次对第一图像特征的多个第一维度特征向量进行一级或多级第一编码处理,可以对第一图像特征中包括的位置特征进行增强,得到的第一图像特征的编码结果,可以具有字符之间更加明显的位置特征。
在一个可能的实现方式中,所述依次对所述第一图像特征的多个第一维度特征向量进行至少一级第一编码处理,得到所述第一图像特征的编码结果,包括:针对所述至少一级第一编码处理中的一级第一编码处理,利用N个第一编码节点依次对所述第一编码节点的输入信息进行编码,得到N个第一编码节点的输出结果;其中,在1<i≤N的情况下,第i个第一编码节点的输入信息包括所述第i-1个第一编码节点的输出结果,N和i为正整数;根据所述N个第一编码节点的输出结果,得到所述第一图像特征的编码结果。这样,第一个第一编码节点的输入信息可以传递到最后一个第一编码节点,从而可以使第一编码节点的输入信息被长期记忆,使得得到的输出结果更加准确。
在一个可能的实现方式中,所述第一编码节点的输入信息还包括所述第一图像特征的第一维度特征向量或者前一级第一编码处理的输出结果。这样,一级第一编码处理可以通过第一编码节点将第一图像特征的第一维度特征向量或者前一级第一编码处理的输出结果传递到最后一个第一编码节点,使得一级第一编码处理输出结果可以更加准确。
在一个可能的实现方式中,所述基于确定的位置向量、所述第一图像特征以及所述第二图像特征,得到所述目标图像的字符特征,包括:根据所述位置向量和所述第二图像特征,确定注意力权重;利用所述注意力权重对所述第一图像特征进行特征加权,得到所述目标图像的字符特征。这里,通过注意力权重可以进行一步对第一图像特征中需要进行关注的特征进行增强,从而利用注意力权重对第一图像特征进行特征加权后得到的字符特征,可以更加准确地体现第一图像特征中更加重要的特征部分。
在一个可能的实现方式中,所述方法还包括:获取包括至少一个第一预设信息的预设信息序列;依次对所述至少一个第一预设信息进行至少一级第二编码处理,得到所述位置向量。由于在利用神经网络对至少一个第一预设信息进行第二编码处理的过程中,是依次对至少一个第一预设信息进行编码的,从而生成的位置向量与至少一个第一预设信息的次序相关,从而位置向量可以表示字符之间的位置特征。
在一个可能的实现方式中,所述依次对所述至少一个第一预设信息进行至少一级第二编码处理,得到所述位置向量,包括:针对所述至少一级第二编码处理中的一级第二编码处理,利用M个第二编码节点依次对所述第二编码节点的输入信息进行编码,得到第M个第二编码节点的输出结果;其中,在1<j≤M的情况下,第j个第二编码节点的输入信息包括所述第i-1个第二编码节点的输出结果,M和j为正整数;根据所述第M个第二编码节点的输出结果,得到所述位置向量。这样,第一个第二编码节点的输入信息可以传递到最后一个第二编码节点,使第二编码节点的输入信息被长期记忆,使得得到是位置向量更加准确。
在一个可能的实现方式中,所述第二编码节点的输入信息还包括所述第一预设信息或者前一级第二编码处理的输出结果。这样,一级第二编码处理可以通过第二编码节点将第一预设信息或者前一级第二编码处理的输出结果传递到最后一个第一编码节点,使得一级第一编码处理输出结果可以更加准确。
在一个可能的实现方式中,所述基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果,包括:提取所述目标图像的语义特征;基于所述目标图像的语义特征与所述字符特征,得到所述目标图像的字符识别结果。这样,在得到目标图像的文字识别结果的过程中,可以将语义特征和文字特征相结合,提供字符识别结果的准确性。
在一个可能的实现方式中,所述提取所述目标图像的语义特征,包括:基于获取的第二预设信息,依次确定所述目标图像在至少一个时间步的语义特征;所述基于所述目标图像的语义特征与所述字符特征,得到所述目标图像的字符识别结果,包括:基于所述目标图像在至少一个时间步的语义特征和所述字符特征,得到所述目标图像在至少一个时间步的字符识别结果。这里,在目标图像中的字符为多个的情况下,字符识别结果可以按照字符的位置(字符特征)以及语义(语义特征)依次得到的,从而可以提高字符识别结果的准确性。
在一个可能的实现方式中,所述基于获取的第二预设信息,依次确定所述目标图像在至少一个时间步的语义特征,包括:对所述第二预设信息进行至少一级第三编码处理,得到所述至少一个时间步中第一个时间步的语义特征;对所述目标图像在第k-1个时间步的字符识别结果进行至少一级第三编码处理,得到所述目标图像在第k个时间步的语义特征,其中,k为大于1的整数。通过这种方式,排序在前的第三编码节点的输入信息可以传递到排序在后的第三编码节点,从而可以使第三编码节点的输入信息被长期记忆,使得得到的语义特征更加准确。
根据本公开的一方面,提供了一种字符识别装置,包括:
获取模块,用于获取待识别的目标图像;
确定模块,用于基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征;其中,所述位置向量是基于预设信息序列中字符的位置特征确定的;
识别模块,用于基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果。
在一个可能的实现方式中,所述确定模块,具体用于对所述目标图像的第一图像特征进行编码,得到所述第一图像特征的编码结果;根据所述第一图像特征的编码结果,确定所述目标图像的第二图像特征;基于确定的位置向量、所述第一图像特征以及所述第二图像特征,得到所述目标图像的字符特征。
在一个可能的实现方式中,所述确定模块,具体用于依次对所述第一图像特征的多个第一维度特征向量进行至少一级第一编码处理,得到所述第一图像特征的编码结果。
在一个可能的实现方式中,所述确定模块,具体用于针对所述至少一级第一编码处理中的一级第一编码处理,利用N个第一编码节点依次对所述第一编码节点的输入信息进行编码,得到N个第一编码节点的输出结果;其中,在1<i≤N的情况下,第i个第一编码节点的输入信息包括所述第i-1个第一编码节点的输出结果,N和i为正整数;根据所述N个第一编码节点的输出结果,得到所述第一图像特征的编码结果。
在一个可能的实现方式中,所述第一编码节点的输入信息还包括所述第一图像特征的第一维度特征向量或者前一级第一编码处理的输出结果。
在一个可能的实现方式中,所述确定模块,具体用于根据所述位置向量和所述第二图像特征,确定注意力权重;利用所述注意力权重对所述第一图像特征进行特征加权,得到所述目标图像的字符特征。
在一个可能的实现方式中,所述装置还包括:编码模块,用于获取包括至少一个第一预设信息的预设信息序列;依次对所述至少一个第一预设信息进行至少一级第二编码处理,得到所述位置向量。
在一个可能的实现方式中,所述编码模块,具体用于针对所述至少一级第二编码处理中的一级第二编码处理,利用M个第二编码节点依次对所述第二编码节点的输入信息进行编码,得到第M个第二编码节点的输出结果;其中,在1<j≤M的情况下,第j个第二编码节点的输入信息包括所述第i-1个第二编码节点的输出结果,M和j为正整数;根据所述第M个第二编码节点的输出结果,得到所述位置向量。
在一个可能的实现方式中,所述第二编码节点的输入信息还包括所述第一预设信息或者前一级第二编码处理的输出结果。
在一个可能的实现方式中,所述识别模块,具体用于提取所述目标图像的语义特征;基于所述目标图像的语义特征与所述字符特征,得到所述目标图像的字符识别结果。
在一个可能的实现方式中,所述识别模块,具体用于基于获取的第二预设信息,依次确定所述目标图像在至少一个时间步的语义特征;基于所述目标图像在至少一个时间步的语义特征和所述字符特征,得到所述目标图像在至少一个时间步的字符识别结果。
在一个可能的实现方式中,所述识别模块,具体用于对所述第二预设信息进行至少一级第三编码处理,得到所述至少一个时间步中第一个时间步的语义特征;对所述目标图像在第k-1个时间步的字符识别结果进行至少一级第三编码处理,得到所述目标图像在第k个时间步的语义特征,其中,k为大于1的整数。
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:执行上述字符识别方法。
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字符识别方法。
在本公开实施例中,可以获取待识别的目标图像,然后基于确定的位置向量以及目标图像的第一图像特征,得到目标图像的字符特征,再基于字符特征对目标图像中的字符进行识别,得到目标图像的字符识别结果。这里,位置向量是基于预设信息序列中字符的位置特征确定的,可以表示字符之间的位置特征,从而在字符识别过程中,可以增加字符之间的位置特征对字符识别结果的影响,提高字符识别的准确率,例如,针对不规则字符、无语义字符,均可以得到较好的识别效果。
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示出根据本公开实施例的字符识别方法的流程图。
图2示出根据本公开实施例的确定目标图像的第二图像特征一示例的框图。
图3示出根据本公开实施例的利用神经网络得到字符识别结果一示例的框图。
图4示出根据本公开实施例的字符识别装置一示例的框图。
图5示出根据本公开实施例的字符识别装置一示例的框图。
图6示出根据本公开实施例的电子设备示例的框图。
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”表示多个中的任意一种或多个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。
本公开实施例提供的字符识别方案,可以获取待识别的目标图像,然后基于确定的位置向量以及目标图像的第一图像特征,得到目标图像的字符特征,再基于字符特征对目标图像中的字符进行识别,得到目标图像的字符识别结果。其中,位置向量是基于预设信息序列中字符的位置特征确定的,可以用于表示字符的位置特征,从而可以在字符识别过程中,对字符之间的位置特征进行增强,使得到的字符识别结果更加准确。
在相关技术中,通常通过字符之间的语义特征对字符序列进行识别,但是一些字符序列中的字符之间在语义上的关联较少,例如,车牌号码、房间号等字符序列的字符之间在语义上关联较少,从而在通过语义特征对字符序列进行识别的效果较差。本公开实施例提供的字符识别方案,可以增强字符的位置特征对字符识别的影响,减少字符识别过程对语义特征的依赖,对于语义关联较少字符的识别或者不规则字符的识别具有较好的识别效果。
本公开实施例提供的技术方案可以应用于图像中字符的识别、图像-文本转换等应用场景的扩展,本公开实施例对此不做限定。例如,对交通标志中非规则字符进行字符识别,以确定交通标示表示的交通指示,为用户提供便利。
图1示出根据本公开实施例的字符识别方法的流程图。该字符识别方法可以由终端设备、服务器或其它类型的电子设备执行,其中,终端设备可以为用户设备(UserEquipment,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(PersonalDigitalAssistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该字符识别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。下面以电子设备作为执行主体为例对本公开实施例的字符识别方法进行说明。
步骤S11,获取待识别的目标图像。
在本公开实施例中,电子设备可以具有图像采集功能,可以对待识别的目标图像进行采集。或者,电子设备可以从其他设备处获取待识别的目标图像,例如,电子设备可以从摄像设备、监控设备等到设备处获取待识别的目标图像。待识别的目标图像可以是等待进行字符识别的图像。目标图像中可以携带有字符,字符可以是单个字符,也可以是字符串。目标图像中的字符可以是规则的字符,例如,用规范字体书写的文字可以是规则的字符。规则的字符可以具有排列整齐、大小均一、未发生形变、未被遮挡等特点。一些实现方式中,目标图像中的字符也可以是非规则的字符,例如,店铺招牌、广告封面上的一些具有艺术效果的文字。不规则的字符可以具有排列不整齐、大小不一、发生形变或被遮挡等特征。
步骤S12,基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征;其中,所述位置向量用于表示字符的位置特征。
在本公开实施例中,可以基于预设信息序列中字符的位置特征确定用于表示字符的位置特征的位置向量,例如,可以获取一定长度的预设信息序列,然后提取预设信息序列中字符的位置特征。位置向量与字符所在的位置相关,举例来说,一个待识别字符在字符序列中的位置是第三个字符位置,则位置向量可以表示待识别的字符在该字符序列中的相对位置,即,表示第三个字符位置。为了减少位置向量与字符语义的相关性,预设信息序列中的字符可以相同。在一些实现方式中,预设信息序列中的每个字符还可以设置为不存在语义的信息,从而进一步减少位置向量与字符语义的相关性。位置向量与字符的语义相关较少,从而对于不同的目标图像,位置向量可以相同,也可以不同。
目标图像的第一图像特征可以是针对目标图像进行图像提取得到的,例如,可以利用神经网络对目标图像进行至少一次卷积操作,得到目标图像的第一图像特征。根据确定的位置向量和目标图像的第一图像特征,可以确定目标图像的字符特征,例如,将确定的位置向量和目标图像的第一图像特征进行融合,得到目标图像的字符特征。这里,由于字符特征是基于位置向量和第一图像特征得到的,从而字符特征受字符的语义影响较少。
步骤S13,基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果。
在本公开实施例中,可以利用神经网络对字符特征进行处理,例如,对字符特征进行激活操作,或者,将字符特征输出神经网络的全连接层进行全连接操作等,可以得到目标图像的字符识别结果。字符识别结果可以是针对目标图像中字符的识别结果。在目标图像中包括一个字符的情况下,字符识别结果可以是一个字符。在目标图像中包括字符序列的情况下,字符识别结果可以是一个字符序列,字符识别结果中每个字符的顺序与目标图像中相应字符的顺序相同。
通过字符特征得到的字符识别结果,受到字符的语义影响较少,从而针对一些字符之间在语义上关联较少的字符序列也可以具有较好的识别效果,例如,可以针对车牌中在语义上无关联的字符序列进行字符识别。
在上述步骤S12中,可以基于确定的位置向量以及目标图像的第一图像特征,得到目标图像的字符特征,从而减小语义对字符特征的影响。下面提供了一个得到目标图像的字符特征的实现方式。
在一个可能的实现方式中,可以对目标图像的第一图像特征进行编码,得到第一图像特征的编码结果,然后根据第一图像特征的编码结果,确定目标图像的第二图像特征,然后基于预设的位置向量、第一图像特征以及第二图像特征,得到目标图像的字符特征。
在该实现方式中,可以利用神经网络对目标图像的第一图像特征进行编码,例如,可以针对第一图像特征逐行或者逐列进行编码,从而可以针对第一图像特征中包括的位置特征进行增强。然后根据对第一图像特征进行编码得到的编码结果,可以得到目标图像的第二图像特征,例如,可以将第一图像特征和编码结果进行融合,得到目标图像的第二图像特征,第二图像特征相比于第一图像特征而言,具有更强的位置特征。然后基于确定的位置向量、第一图像特征以及第二图像特征可以得到目标图像的文字特征,例如将确定的位置向量、第一图像特征以及第二图像特征进行融合得到目标图像的文字特征,由于第二图像特征具有更强的位置特征,从而得到的目标图像的文字特征也具有更强的位置特征,从而使由字符特征得到字符识别结果更加准确,更加减少字符识别结果受到语义的影响。
上述实现方式中,可以通过对目标图像的第一图像特征进行编码,使得第一图像特征中包括的位置特征得到增强,下面通过一示例对得到第一图像特征的编码结果的过程进行说明。
在一个示例中,可以依次对第一图像特征的多个第一维度特征向量进行至少一级第一编码处理,得到第一图像特征的编码结果。
在该示例中,第一图像特征可以包括多个第一维度特征向量。第一图像特征可以包括多个维度上的特征,例如,第一图像特征可以包括长度、宽度、深度等多个维度。不同维度上的特征维数可以不同。第一维度特征向量可以是第一图像特征在一个维度上的特征,例如,第一维度特征向量可以是长度维度或宽度维度上的特征。第一编码处理可以是针对第一图像特征进行的编码,相应地,神经网络可以包括至少一个第一编码层,第一编码层对应的编码处理可以是第一编码处理。这里,可以利用神经网络依次对多个第一维度特征向量进行一级或多级第一编码处理,得到多个第一维度特征向量的处理结果,一个第一维度特征向量可以对应一个处理结果,然后可以将多个第一维度特征的多个处理结果进行合并,可以形成第一图像特征的编码结果。通过依次对第一图像特征的多个第一维度特征向量进行一级或多级第一编码处理,可以对第一图像特征中包括的位置特征进行增强,得到的第一图像特征的编码结果,可以具有字符之间更加明显的位置特征。
在本示例中,针对至少一级第一编码处理中的一级第一编码处理,可以利用N个第一编码节点依次对第一编码节点的输入信息进行编码,得到N个第一编码节点的输出结果;其中,在1<i≤N的情况下,第i个第一编码节点的输入信息包括第i-1个第一编码节点的输出结果,N和i为正整数。根据N个第一编码节点的输出结果,得到第一图像特征的编码结果。
在本示例中,可以利用神经网络对第一图像特征进行至少一级第一编码处理,以得到第一图像特征的编码结果。神经网络可以包括至少一级第一编码层,第一编码层可以执行第一编码处理,每级第一编码处理通过多个编码节点实现。在第一编码处理为多级的情况下,每级第一编码处理执行的操作可以相同。针对至少一级第一编码处理中的一级第一编码处理,可以利用N个第一编码节点依次对该级第一编码处理的输入信息进行编码,一个第一编码节点可以对应一个输入信息,不同第一编码节点的输入信息可以不同。相应地,一个第一编码节点可以得到一个输出结果。第一级第一编码处理中第一编码节点的输入信息可以是第一图像特征的第一维度特征向量。第一级第一编码处理中第一编码节点的输出结果可以作为第二级第一编码处理中相同排序的第一编码节点的输入信息,以此类推,直到最后一级第一编码处理。最后一级第一编码处理中第一编码节点的输出结果可以是上述第一维度特征向量的处理结果。一级第一编码处理中可以包括N个第一编码节点,在1<i≤N的情况下,即,在第一编码节点是当前级的第一编码处理中第一个第一编码节点之外的其他第一编码节点的情况下,第一编码节点的输入信息还可以包括该级第一编码处理中前一个第一编码节点的输出结果,从而第一个第一编码节点的输入信息可以传递到最后一个第一编码节点,从而可以使第一编码节点的输入信息被长期记忆,使得得到的输出结果更加准确。
图2示出根据本公开实施例的确定目标图像的第二图像特征一示例的框图。在本示例中,可以利用神经网络(如长短期记忆网络(Long Short-Term Memory,LSTM))对目标图像的第一图像特征F进行编码。神经网络可以包括两层第一编码层,每层第一编码层可以包括多个第一编码节点(对应图2中的编码节点)。这里,可以将目标图像的第一图像特征F输入神经网络的第一编码层,分别利用第一编码层的多个第一编码节点对第一图像特征F的多个第一维度特征向量(宽度维度特征向量)进行编码,得到每个第一编码节点的输出结果。其中,第一个第一编码节点的输入信息是第一个第一维度特征向量,第二个第一编码节点的输入信息是第一个第一编码节点的输出结果和第二个第一维度特征向量,以此类推,可以得到最后一个第一编码节点的输出结果。将多个第一编码点的输出结果输入第二层第一编码层,第二层第一编码层的处理过程与第一层第一编码层的处理过程相似,这里不再赘述。最终可以得到第一图像特征的编码结果F2。然后可以将第一图像特征F和第一图像特征的编码结果F2进行特征融合,这里可以是特征相加或合并,得到目标图像的第二图像特征
其中,fi,j可以是第一图像特征F在(i,j)位置的特征向量(第一维度特征向量);可以表示第一层第一编码层的输出结果F1在(i,j)位置的特征向量;可以表示输出结果F1在(i,j-1)位置的特征向量;可以表示编码结果F2在(i,j)位置的特征向量;可以表示编码结果F2在(i,j)位置的特征向量;可以表示得到的第二图像特征;可以表示向量的加运算。这里,i和j均为自然数。
在上述实现方式中,可以基于确定的位置向量、第一图像特征以及第二图像特征,得到目标图像的字符特征,下面提供一个示例对得到目标图像的字符特征的过程进行说明。
在一个示例中,可以根据确定的位置向量和第二图像特征,确定注意力权重,然后利用注意力权重对第一图像特征进行特征加权,可以得到目标图像的字符特征。
在一个示例中,由于位置向量和第二图像特征均包括显著的位置特征,从而可以根据位置向量和第二图像特征确定注意力权重,例如,确定位置向量与第二图像特征的相关性,根据该相关性确定注意力权重。位置向量与第二图像特征的相关性可以通过位置向量与第二图像特征的点乘得到。利用确定的注意力权重,可以对第一图像特征进行特征加权,例如,将注意力权重与第一图像特征相乘后求和,可以得到目标图像的字符特征。通过注意力权重可以进行一步对第一图像特征中需要进行关注的特征进行增强,从而利用注意力权重对第一图像特征进行特征加权后得到的字符特征,可以更加准确地体现第一图像特征中更加重要的特征部分。
在本示例中,注意力权重可以通过下述公式(4)进行确定:
在本示例中,字符特征可以通过下述公式(5)进行确定:
在上述实现方式中可以根据确定的位置向量和第二图像特征,确定注意力权重。位置向量可以表示字符的位置特征,即,可以表示字符之间的相对位置。下面通过一实现方式对确定位置向量的过程进行说明。
在一个可能的实现方式中,可以获取包括至少一个第一预设信息的预设信息序列,然后依次对至少一个第一预设信息进行至少一级第二编码处理,可以得到位置向量。
在本实现方式中,预设信息序列可以包括一个或多个第一预设信息。第一预设信息可以是根据实际场景进行设置的信息,可以不具有特定的含义。例如,第一预设信息可以是一个计数指令。可以利用神经网络依次对至少一个第一预设信息进行一级或多级第二编码处理,得到位置向量。由于至少一个第一预设信息相同,并且没有特定的含义,从而至少一个第一预设信息之间在语义上关联较小,进而依次对至少一个第一预设信息进行一级或多级第二编码处理得到的位置向量与语义相关程度较低。同时,由于在利用神经网络对至少一个第一预设信息进行第二编码处理的过程中,是依次对至少一个第一预设信息进行编码的,从而生成的位置向量与至少一个第一预设信息的次序相关,即,可以理解为,与至少一个第一预设信息之间的位置相关,从而位置向量可以表示字符之间的位置特征。
在本实现方式的一个示例中,针对至少一级第二编码处理中的一级第二编码处理,可以利用M个第二编码节点依次对第二编码节点的输入信息进行编码,得到第M个第二编码节点的输出结果。在1<j≤M的情况下,第j个第二编码节点的输入信息包括第i-1个第二编码节点的输出结果,M和j为正整数。根据第M个第二编码节点的输出结果,得到位置向量。
在本示例中,可以利用神经网络依次对至少一个第一预设信息进行一级或多级第二编码处理,以得到位置向量。在第二编码处理为多级的情况下,每级第二编码处理执行的操作可以相同。针对至少一级第二编码处理中的一级第二编码处理,可以利用M个第二编码节点依次对该级第二编码处理的输入信息进行编码,一个第二编码节点可以对应一个输入信息,不同第二编码节点的输入信息可以不同。相应地,一个第二编码节点可以得到一个输出结果。第一级第二编码处理中一个第二编码节点的输入信息可以是一个第一预设信息。第一级第一编码处理中第二编码节点的输出结果可以作为第二级第二编码处理中相同排序的第二编码节点的输入信息,以此类推,直到最后一级第二编码处理。最后一级第二编码处理中最后一个第二编码节点的输出结果可以作为位置向量,或者,可以对最后一级第二编码处理中最后一个第二编码节点的输出结果进行卷积、池化等进一步处理,可以得到位置向量。一级第二编码处理中可以包括M个第二编码节点,在1<j≤M的情况下,即,在第二编码节点是当前级的第二编码处理中第一个第二编码节点之外的其他第二编码节点的情况下,第二编码节点的输入信息还可以包括该级第二编码处理中前一个第二编码节点的输出结果,从而第一个第二编码节点的输入信息可以传递到最后一个第二编码节点,使第二编码节点的输入信息被长期记忆,使得得到是位置向量更加准确。
这里,以第一预设信息为常量“<next>”,第二编码处理为二级LSTM的情况为例,可以利用下述公式(6)和公式(7)确定位置向量ht。
h′t=LSTM(<next>,h′t-1) 公式(6);
ht=LSTM(h′t,ht-1) 公式(7);
其中,h′t可以表示第一级第二编码处理中第t个第二编码节点的输出结果;h′t-1表示第一级第二编码处理中第t-1个第二编码节点的输出结果;ht可以表示第二级第二编码处理中第t个第二编码节点的输出结果,即,位置向量;ht-1表示第二级第二编码处理中第t-1个第二编码节点的输出结果。其中,t为自然数。
需要说明的是,由至少一个第一预设信息得到位置向量的过程可以采用图2所示的神经网络实现,其中,位置向量可以是第二级第二编码处理中最后一个第二编码节点的输出结果,而非是多个第二编码节点的输出结果共同形成。
在上述步骤S103中,可以基于字符特征对目标图像中的字符进行识别,得到目标图像的字符识别结果。为了提高字符识别结果的准确性,还可以在对目标图像中的字符进行识别的过程中,考虑目标图像中字符的语义特征。下面通过一个实现方式对得到目标图像的字符识别结果的过程进行说明。
在一个可能的实现方式中,可以提取目标图像的语义特征,然后基于目标图像的语义特征和字符特征,得到目标图像的字符识别结果。
在本实现方式中,可以对目标图像的语义特征提取,例如,可以利用一些场景的语义提取模型提取目标图像的语义特征,然后将目标图像的语义特征和文字特征进行融合,得到融合结果,例如,可以将语义特征和文字特征进行拼接,或者,在将语义特征和文字特征进行拼接之后,再进行特征加权,得到融合结果。这里,特征加权的权重可以是预先设置的,也可以是根据语义特征和文字特征进行计算得到的。然后根据该融合结果可以得到目标图像的字符识别结果,例如,可以对融合结果进行至少一次卷积操作、全连接操作等,可以得到目标图像的文字识别结果。这样,在得到目标图像的文字识别结果的过程中,可以将语义特征和文字特征相结合,提供字符识别结果的准确性。
举例来说,语义特征可以表示为ct,文字特征可以表示为gt,可以利用下述公式(8)和公式(9)得到语义特征和文字特征的融合结果:
wt=softmax(Wf[gt;ct]+bf) 公式(9);
其中,可以表示融合结果;wt可以表示对语义特征ct和文字特征gt进行特征加权的权重;Wf可以表示第一映射矩阵,第一映射矩阵可以将语义特征ct和文字特征gt映射到一个二维向量空间;bf可以表示第一偏置项。
在本实现方式的一个示例中,可以基于获取的第二预设信息,依次确定目标图像在至少一个时间步的语义特征,然后基于目标图像在至少一个时间步的语义特征和字符特征,得到目标图像在至少一个时间步的字符识别结果。
在本示例中,获取的第二预设信息可以根据实际场景进行选择,第二预设信息可以不具有特定的含义。例如,第二预设信息可以是一个开始指令。时间步的步长可以根据实际应用需求进行设置。每间隔一个时间步,可以确定一个语义特征,不同时间步得到的语义特征可以不同。这里,可以利用神经网络对第二预设信息进行编码,依次得到至少一个时间步的语义特征,然后根据目标图像在至少一个时间步的语义特征和至少一个时间步的字符特征,可以得到目标图像在至少一个时间步的字符识别结果。一个时间步的语义特征和相同时间步的字符特征可以对应一个时间步的字符识别结果,也就是说,在目标图像中的字符为多个的情况下,字符识别结果可以按照字符的位置(字符特征)以及语义(语义特征)依次得到的,从而可以提高字符识别结果的准确性。
在本示例中,可以对第二预设信息进行至少一级第三编码处理,得到至少一个时间步中第一个时间步的语义特征,然后对目标图像在第k-1个时间步的字符识别结果进行至少一级第三编码处理,得到目标图像在第k个时间步的语义特征。其中,k为大于1的整数。
在本示例中,可以将第二预设信息作为神经网络中至少一级第三编码处理的输入信息。每级第三编码处理中可以包括多个第三编码节点,每个第三编码节点可以对应一个时间步的输入信息。不同第三编码节点的输入信息可以不同。相应地,一个第三编码节点可以得到一个输出结果。第一级第三编码处理中第一个第三编码节点的输入信息可以是第二预设信息。第一级第三编码处理中第三编码节点的输出结果可以作为第二级第三编码处理中相同顺序的第三编码节点的输入信息,以此类推,直到最后一级第三编码处理,如此,可以对第二预设信息进行至少一级第三编码处理,得到最后一级第三编码处理中第一个第三编码节点的输出结果,该输出结果可以是至少一个时间步中第一个时间步的语义特征。进一步可以根据第一个时间步的语义特征可以与相同时间步的字符特征得到第一个时间步的字符识别结果。第一级第三处理中第二个第三编码节点的输入信息可以是第一个时间步的字符识别结果。然后可以对第一个时间步的字符识别结果进行至少一级第三编码处理,得到第二个时间步的语义特征。进一步可以根据第二个时间步的语义特征可以与相同时间步的字符特征得到第二个时间步的字符识别结果。以此类推,直到最后一级第三编码处理。最后一级第三编码处理中,最后一个第三编码节点的输出结果可以是最后一个时间步的语义特征。即,对目标图像在第k-1个时间步的字符识别结果进行至少一级第三编码处理,可以得到目标图像在第k个时间步的语义特征。在k是大于1的整数的情况下,即,在第三编码节点是当前级的第三编码处理中第一个第三编码节点之外的其他第三编码节点的情况下,第三编码节点的输入信息还可以包括该级第三编码处理中前一个第三编码节点的输出结果,从而排序在前的第三编码节点的输入信息可以传递到排序在后的第三编码节点,从而可以使第三编码节点的输入信息被长期记忆,使得得到的语义特征更加准确。
需要说明的是,由第二预设信息确定语义特征的过程可以采用图2所示的神经网络实现,其中,第k个时间步的语义特征可以是第二级第三编码处理中第k个第三编码节点的输出结果。
本公开实施例中,可以利用神经网络得到目标图像的字符识别结果。下面通过一个示例对利用神经网络得到目标图像的字符识别结果的过程进行说明。
图3示出根据本公开实施例的利用神经网络得到字符识别结果一示例的框图。在本示例中,神经网络可以包括编码器和解码器。首先,可以将目标图像输出神经网络的编码器中,利用编码器提取目标图像的图像特征,得到目标图像的第一图像特征F。这里,可以利用31层残差神经网络(Residual Neural Network,ResNet)的网络架构对目标图像进行图像特征提取。编码器中可以包括位置信息增强模块,可以利用位置信息增强模块对第一图像特征中的位置信息进行增强,得到目标图像的第二图像特征位置信息增强模块的网络架构可以如图2所示。然后可以将第二图像特征输入解码器的注意力模块,利用注意力模块将第二图像特征与位置向量ht进行矩阵乘法和激活操作,得到注意力权重,然后利用注意力权重对第一图像特征F进行特征加权,即,将注意力权重与第一图像特征进行矩阵乘法,得到目标图像的文字特征。解码器还包括动态融合模块,可以利用动态融合模块将文字特征和语义特征进行融合,然后将融合结果输入全连接层,可以得到字符识别结果。
这里,解码器中还包括位置编码模块,可以将多个常量“<next>”(第一预设信息)依次输入位置编码模块,即,每个时间步输入一个常量“<next>”。位置编码模块可以包括两个编码层(对应第一编码处理),可以对输入的“<next>”进行编码,得到第t个时间步的位置向量ht。这里,位置编码模块可以包括二层编码层。解码器中还包括语义模块,可以将一个特殊令牌“<start>”(第二预设信息)输入作为第一个时间步的输入信息输入语义模块,得到语义模块输出的第一个时间步的语义特征。然后第一个时间步的字符识别结果y0可以作为语义模块的第二个时间步的输出结果,得到语义模块输出的第二个时间步的语义特征,以此类推,可以得到的语义模块在第t个时间步输出的语义特征ct。语义模块可以包括二层编码层。位置编码模块和语义模块的网络架构可以与图2中的网络构架相似,这里不再赘述。
本公开实施例通过的字符编码方案,通过对字符之间的位置信息进行增强,减少字符识别结果对语义的依赖,从而使得字符识别更加准确。本公开提供的字符编码方案可以适用于更加复杂的字符识别场景,例如,对不规则字符的识别,对无语义字符的识别等,还可以适用于图像识别等场景,例如,图像审核、图像分析等。
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。
此外,本公开还提供了装置、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字符识别方法,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。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,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。
图4示出根据本公开实施例的字符识别装置的框图,如图4所示,所述装置包括:
获取模块41,用于获取待识别的目标图像;
确定模块42,用于基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征;其中,所述位置向量是基于预设信息序列中字符的位置特征确定的;
识别模块43,用于基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果。
在一个可能的实现方式中,所述确定模块42,具体用于对所述目标图像的第一图像特征进行编码,得到所述第一图像特征的编码结果;根据所述第一图像特征的编码结果,确定所述目标图像的第二图像特征;基于确定的位置向量、所述第一图像特征以及所述第二图像特征,得到所述目标图像的字符特征。
在一个可能的实现方式中,所述确定模块42,具体用于依次对所述第一图像特征的多个第一维度特征向量进行至少一级第一编码处理,得到所述第一图像特征的编码结果。
在一个可能的实现方式中,所述确定模块42,具体用于针对所述至少一级第一编码处理中的一级第一编码处理,利用N个第一编码节点依次对所述第一编码节点的输入信息进行编码,得到N个第一编码节点的输出结果;其中,在1<i≤N的情况下,第i个第一编码节点的输入信息包括所述第i-1个第一编码节点的输出结果,N和i为正整数;根据所述N个第一编码节点的输出结果,得到所述第一图像特征的编码结果。
在一个可能的实现方式中,所述第一编码节点的输入信息还包括所述第一图像特征的第一维度特征向量或者前一级第一编码处理的输出结果。
在一个可能的实现方式中,所述确定模块42,具体用于根据所述位置向量和所述第二图像特征,确定注意力权重;利用所述注意力权重对所述第一图像特征进行特征加权,得到所述目标图像的字符特征。
在一个可能的实现方式中,所述装置还包括:
编码模块,用于获取包括至少一个第一预设信息的预设信息序列;依次对所述至少一个第一预设信息进行至少一级第二编码处理,得到所述位置向量。
在一个可能的实现方式中,所述编码模块,具体用于针对所述至少一级第二编码处理中的一级第二编码处理,利用M个第二编码节点依次对所述第二编码节点的输入信息进行编码,得到第M个第二编码节点的输出结果;其中,在1<j≤M的情况下,第j个第二编码节点的输入信息包括所述第i-1个第二编码节点的输出结果,M和j为正整数;根据所述第M个第二编码节点的输出结果,得到所述位置向量。
在一个可能的实现方式中,所述第二编码节点的输入信息还包括所述第一预设信息或者前一级第二编码处理的输出结果。
在一个可能的实现方式中,所述识别模块43,具体用于提取所述目标图像的语义特征;基于所述目标图像的语义特征与所述字符特征,得到所述目标图像的字符识别结果。
在一个可能的实现方式中,所述识别模块43,具体用于基于获取的第二预设信息,依次确定所述目标图像在至少一个时间步的语义特征;基于所述目标图像在至少一个时间步的语义特征和所述字符特征,得到所述目标图像在至少一个时间步的字符识别结果。
在一个可能的实现方式中,所述识别模块43,具体用于对所述第二预设信息进行至少一级第三编码处理,得到所述至少一个时间步中第一个时间步的语义特征;对所述目标图像在第k-1个时间步的字符识别结果进行至少一级第三编码处理,得到所述目标图像在第k个时间步的语义特征,其中,k为大于1的整数。
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。
图5是根据一示例性实施例示出的一种字符识别装置800的框图。例如,装置800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。
参照图5,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800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802可以包括一个或多个处理器820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802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800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804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806为装置800的各种组件提供电力。电源组件806可以包括电源管理***,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800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808包括一个前置摄像头和/或后置摄像头。当装置800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810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800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804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802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814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814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814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814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816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800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816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816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,装置800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,还提供了一种计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
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上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932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1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作***,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922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、或者以一种或多个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。
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技术的技术改进,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 (15)
1.一种字符识别方法,其特征在于,包括:
获取待识别的目标图像;
基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征;其中,所述位置向量是基于预设信息序列中字符的位置特征确定的;
基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果。
2.根据权利要求1所述的方法,其特征在于,所述基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征,包括:
对所述目标图像的第一图像特征进行编码,得到所述第一图像特征的编码结果;
根据所述第一图像特征的编码结果,确定所述目标图像的第二图像特征;
基于确定的位置向量、所述第一图像特征以及所述第二图像特征,得到所述目标图像的字符特征。
3.根据权利要求2所述的方法,其特征在于,所述对所述目标图像的第一图像特征进行编码,得到所述第一图像特征的编码结果,包括:
依次对所述第一图像特征的多个第一维度特征向量进行至少一级第一编码处理,得到所述第一图像特征的编码结果。
4.根据权利要求3所述的方法,其特征在于,所述依次对所述第一图像特征的多个第一维度特征向量进行至少一级第一编码处理,得到所述第一图像特征的编码结果,包括:
针对所述至少一级第一编码处理中的一级第一编码处理,利用N个第一编码节点依次对所述第一编码节点的输入信息进行编码,得到N个第一编码节点的输出结果;其中,在1<i≤N的情况下,第i个第一编码节点的输入信息包括所述第i-1个第一编码节点的输出结果,N和i为正整数;
根据所述N个第一编码节点的输出结果,得到所述第一图像特征的编码结果。
5.根据权利要求4所述的方法,其特征在于,所述第一编码节点的输入信息还包括所述第一图像特征的第一维度特征向量或者前一级第一编码处理的输出结果。
6.根据权利要求2至5任意一项所述的方法,其特征在于,所述基于确定的位置向量、所述第一图像特征以及所述第二图像特征,得到所述目标图像的字符特征,包括:
根据所述位置向量和所述第二图像特征,确定注意力权重;
利用所述注意力权重对所述第一图像特征进行特征加权,得到所述目标图像的字符特征。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述方法还包括:
获取包括至少一个第一预设信息的预设信息序列;
依次对所述至少一个第一预设信息进行至少一级第二编码处理,得到所述位置向量。
8.根据权利要求7所述的方法,其特征在于,所述依次对所述至少一个第一预设信息进行至少一级第二编码处理,得到所述位置向量,包括:
针对所述至少一级第二编码处理中的一级第二编码处理,利用M个第二编码节点依次对所述第二编码节点的输入信息进行编码,得到第M个第二编码节点的输出结果;其中,在1<j≤M的情况下,第j个第二编码节点的输入信息包括所述第i-1个第二编码节点的输出结果,M和j为正整数;
根据所述第M个第二编码节点的输出结果,得到所述位置向量。
9.根据权利要求8所述的方法,其特征在于,所述第二编码节点的输入信息还包括所述第一预设信息或者前一级第二编码处理的输出结果。
10.根据权利要求1至9任意一项所述的方法,其特征在于,所述基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果,包括:
提取所述目标图像的语义特征;
基于所述目标图像的语义特征与所述字符特征,得到所述目标图像的字符识别结果。
11.根据权利要求10所述的方法,其特征在于,所述提取所述目标图像的语义特征,包括:
基于获取的第二预设信息,依次确定所述目标图像在至少一个时间步的语义特征;
所述基于所述目标图像的语义特征与所述字符特征,得到所述目标图像的字符识别结果,包括:
基于所述目标图像在至少一个时间步的语义特征和所述字符特征,得到所述目标图像在至少一个时间步的字符识别结果。
12.根据权利要求11所述的方法,其特征在于,所述基于获取的第二预设信息,依次确定所述目标图像在至少一个时间步的语义特征,包括:
对所述第二预设信息进行至少一级第三编码处理,得到所述至少一个时间步中第一个时间步的语义特征;
对所述目标图像在第k-1个时间步的字符识别结果进行至少一级第三编码处理,得到所述目标图像在第k个时间步的语义特征,其中,k为大于1的整数。
13.一种字符识别装置,其特征在于,包括:
获取模块,用于获取待识别的目标图像;
确定模块,用于基于确定的位置向量以及所述目标图像的第一图像特征,得到所述目标图像的字符特征;其中,所述位置向量是基于预设信息序列中字符的位置特征确定的;
识别模块,用于基于所述字符特征对所述目标图像中的字符进行识别,得到所述目标图像的字符识别结果。
14.一种电子设备,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12中任意一项所述的方法。
15.一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12中任意一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010301340.3A CN111539410B (zh) | 2020-04-16 | 2020-04-16 | 字符识别方法及装置、电子设备和存储介质 |
PCT/CN2021/081759 WO2021208666A1 (zh) | 2020-04-16 | 2021-03-19 | 字符识别方法及装置、电子设备和存储介质 |
JP2021567034A JP2022533065A (ja) | 2020-04-16 | 2021-03-19 | 文字認識方法及び装置、電子機器並びに記憶媒体 |
KR1020227000935A KR20220011783A (ko) | 2020-04-16 | 2021-03-19 | 심볼 식별 방법 및 장치, 전자 기기 및 저장 매체 |
TW110113118A TW202141352A (zh) | 2020-04-16 | 2021-04-12 | 字元識別方法及電子設備和電腦可讀儲存介質 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010301340.3A CN111539410B (zh) | 2020-04-16 | 2020-04-16 | 字符识别方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539410A true CN111539410A (zh) | 2020-08-14 |
CN111539410B CN111539410B (zh) | 2022-09-06 |
Family
ID=71974957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010301340.3A Active CN111539410B (zh) | 2020-04-16 | 2020-04-16 | 字符识别方法及装置、电子设备和存储介质 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP2022533065A (zh) |
KR (1) | KR20220011783A (zh) |
CN (1) | CN111539410B (zh) |
TW (1) | TW202141352A (zh) |
WO (1) | WO2021208666A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052156A (zh) * | 2021-03-12 | 2021-06-29 | 北京百度网讯科技有限公司 | 光学字符识别方法、装置、电子设备和存储介质 |
CN113516146A (zh) * | 2020-12-21 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 一种数据分类方法、计算机及可读存储介质 |
WO2021208666A1 (zh) * | 2020-04-16 | 2021-10-21 | 深圳市商汤科技有限公司 | 字符识别方法及装置、电子设备和存储介质 |
CN113610081A (zh) * | 2021-08-12 | 2021-11-05 | 北京有竹居网络技术有限公司 | 一种字符识别方法及其相关设备 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063799B (zh) * | 2022-08-05 | 2023-04-07 | 中南大学 | 一种印刷体数学公式识别方法、装置及存储介质 |
CN115546810B (zh) * | 2022-11-29 | 2023-04-11 | 支付宝(杭州)信息技术有限公司 | 图像元素类别的识别方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180005082A1 (en) * | 2016-04-11 | 2018-01-04 | A2Ia S.A.S. | Systems and methods for recognizing characters in digitized documents |
CN109492679A (zh) * | 2018-10-24 | 2019-03-19 | 杭州电子科技大学 | 基于注意力机制与联结时间分类损失的文字识别方法 |
US20190180154A1 (en) * | 2017-12-13 | 2019-06-13 | Abbyy Development Llc | Text recognition using artificial intelligence |
CN109919174A (zh) * | 2019-01-16 | 2019-06-21 | 北京大学 | 一种基于门控级联注意力机制的文字识别方法 |
CN110321755A (zh) * | 2018-03-28 | 2019-10-11 | 中移(苏州)软件技术有限公司 | 一种识别方法及装置 |
CN110569846A (zh) * | 2019-09-16 | 2019-12-13 | 北京百度网讯科技有限公司 | 图像文字识别方法、装置、设备及存储介质 |
CN110619325A (zh) * | 2018-06-20 | 2019-12-27 | 北京搜狗科技发展有限公司 | 一种文本识别方法及装置 |
CN110659640A (zh) * | 2019-09-27 | 2020-01-07 | 深圳市商汤科技有限公司 | 文本序列的识别方法及装置、电子设备和存储介质 |
CN110991560A (zh) * | 2019-12-19 | 2020-04-10 | 深圳大学 | 一种结合上下文信息的目标检测方法及*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100555308C (zh) * | 2005-07-29 | 2009-10-28 | 富士通株式会社 | 地址识别装置和方法 |
JP5417113B2 (ja) * | 2009-10-02 | 2014-02-12 | シャープ株式会社 | 情報処理装置、情報処理方法、プログラムおよび記録媒体 |
CN108062290B (zh) * | 2017-12-14 | 2021-12-21 | 北京三快在线科技有限公司 | 消息文本处理方法及装置、电子设备、存储介质 |
JP2019215647A (ja) * | 2018-06-12 | 2019-12-19 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、その制御方法及びプログラム。 |
US11138425B2 (en) * | 2018-09-26 | 2021-10-05 | Leverton Holding Llc | Named entity recognition with convolutional networks |
CN109615006B (zh) * | 2018-12-10 | 2021-08-17 | 北京市商汤科技开发有限公司 | 文字识别方法及装置、电子设备和存储介质 |
CN111539410B (zh) * | 2020-04-16 | 2022-09-06 | 深圳市商汤科技有限公司 | 字符识别方法及装置、电子设备和存储介质 |
-
2020
- 2020-04-16 CN CN202010301340.3A patent/CN111539410B/zh active Active
-
2021
- 2021-03-19 JP JP2021567034A patent/JP2022533065A/ja active Pending
- 2021-03-19 WO PCT/CN2021/081759 patent/WO2021208666A1/zh active Application Filing
- 2021-03-19 KR KR1020227000935A patent/KR20220011783A/ko unknown
- 2021-04-12 TW TW110113118A patent/TW202141352A/zh unknown
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180005082A1 (en) * | 2016-04-11 | 2018-01-04 | A2Ia S.A.S. | Systems and methods for recognizing characters in digitized documents |
US20190180154A1 (en) * | 2017-12-13 | 2019-06-13 | Abbyy Development Llc | Text recognition using artificial intelligence |
CN110321755A (zh) * | 2018-03-28 | 2019-10-11 | 中移(苏州)软件技术有限公司 | 一种识别方法及装置 |
CN110619325A (zh) * | 2018-06-20 | 2019-12-27 | 北京搜狗科技发展有限公司 | 一种文本识别方法及装置 |
CN109492679A (zh) * | 2018-10-24 | 2019-03-19 | 杭州电子科技大学 | 基于注意力机制与联结时间分类损失的文字识别方法 |
CN109919174A (zh) * | 2019-01-16 | 2019-06-21 | 北京大学 | 一种基于门控级联注意力机制的文字识别方法 |
CN110569846A (zh) * | 2019-09-16 | 2019-12-13 | 北京百度网讯科技有限公司 | 图像文字识别方法、装置、设备及存储介质 |
CN110659640A (zh) * | 2019-09-27 | 2020-01-07 | 深圳市商汤科技有限公司 | 文本序列的识别方法及装置、电子设备和存储介质 |
CN110991560A (zh) * | 2019-12-19 | 2020-04-10 | 深圳大学 | 一种结合上下文信息的目标检测方法及*** |
Non-Patent Citations (5)
Title |
---|
BAOGUANG SHI ET AL.: "ASTER:An Attentional Scene Text Recognizer with Flexible Rectification", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
HONGTAO XIE ET AL.: "Convolutional Attention Networks for Scene Text Recognition", 《ACM TRANSACTIONS ON MULTIMEDIA COMPUTING COMMUNICATIONS AND APPLICATION》 * |
LING-QUN ZUO: "Natural Scene Text Recognition Based on Encoder-Decoder Framework", 《IEEE ACCESS》 * |
SONGYANG ZHANG ET AL.: "On Genmetric Features for Skeleton-Based Action Recognition Using Multilayer LSTM Networks", 《2017 IEEE WINTER CONFERENCE ON APPLIACATIONS OF COMPUTER VISION》 * |
黄伟: "基于深度学习的自然场景文本图像多分类方法研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021208666A1 (zh) * | 2020-04-16 | 2021-10-21 | 深圳市商汤科技有限公司 | 字符识别方法及装置、电子设备和存储介质 |
CN113516146A (zh) * | 2020-12-21 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 一种数据分类方法、计算机及可读存储介质 |
CN113052156A (zh) * | 2021-03-12 | 2021-06-29 | 北京百度网讯科技有限公司 | 光学字符识别方法、装置、电子设备和存储介质 |
CN113052156B (zh) * | 2021-03-12 | 2023-08-04 | 北京百度网讯科技有限公司 | 光学字符识别方法、装置、电子设备和存储介质 |
CN113610081A (zh) * | 2021-08-12 | 2021-11-05 | 北京有竹居网络技术有限公司 | 一种字符识别方法及其相关设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2021208666A1 (zh) | 2021-10-21 |
KR20220011783A (ko) | 2022-01-28 |
CN111539410B (zh) | 2022-09-06 |
TW202141352A (zh) | 2021-11-01 |
JP2022533065A (ja) | 2022-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI781359B (zh) | 人臉和人手關聯檢測方法及裝置、電子設備和電腦可讀儲存媒體 | |
CN111753822B (zh) | 文本识别方法及装置、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 | |
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 | |
CN110889469B (zh) | 图像处理方法及装置、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 | |
CN107944409B (zh) | 能够区分关键动作的视频分析方法及装置 | |
CN111612070B (zh) | 基于场景图的图像描述生成方法及装置 | |
CN109919300B (zh) | 神经网络训练方法及装置以及图像处理方法及装置 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN110909815B (zh) | 神经网络训练、图像处理方法、装置及电子设备 | |
CN110781813B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN111881956A (zh) | 网络训练方法及装置、目标检测方法及装置和电子设备 | |
CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
CN114338083A (zh) | 控制器局域网络总线异常检测方法、装置和电子设备 | |
CN111242303A (zh) | 网络训练方法及装置、图像处理方法及装置 | |
CN113298091A (zh) | 图像处理方法及装置、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 | |
CN114332503A (zh) | 对象重识别方法及装置、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 | |
CN113506229B (zh) | 神经网络训练和图像生成方法及装置 | |
CN113506324B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113506325B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN114842404A (zh) | 时序动作提名的生成方法及装置、电子设备和存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40033275 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |