CN111767911B - 面向复杂环境的***文字检测识别方法、装置及介质 - Google Patents
面向复杂环境的***文字检测识别方法、装置及介质 Download PDFInfo
- Publication number
- CN111767911B CN111767911B CN202010573766.4A CN202010573766A CN111767911B CN 111767911 B CN111767911 B CN 111767911B CN 202010573766 A CN202010573766 A CN 202010573766A CN 111767911 B CN111767911 B CN 111767911B
- Authority
- CN
- China
- Prior art keywords
- text
- seal
- picture
- coordinates
- detection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 91
- 239000013598 vector Substances 0.000 claims abstract description 36
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000000750 progressive effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229910052718 tin Inorganic materials 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Character Input (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能,公开了一种面向复杂环境的***文字检测识别方法、装置及介质,方法包括:获取待处理的文档图片;对文档图片进行***检测定位,并提取***图片;对***图片进行文本检测,并分割得到曲形文本区域;将曲形文本区域由曲线形转变为直线形,得到直线形文本图片;将直线形文本图片输入文字识别模型,得到***中的文字信息;其中,文字识别模型采用SAR网络进行文字识别,SAR网络包括ResNet模块,用于提取文字特征,获取特征向量;基于LSTM编码器‑解码器的框架,框架包括LSTM编码器和解码器;注意力模块,用于向解码器施加注意力机制。本发明对***进行端对端的检测识别,对***的背景文本干扰的鲁棒性较高。
Description
技术领域
本发明涉及人工智能,尤其涉及一种面向复杂环境的***文字检测识别方法、装置、电子设备及计算机可读存储介质。
背景技术
***具有权威性,广泛应用于我国的国家机关、团体、企事业单位,盖有***的文本是具有法律效力的,而***印文的检验在文件检验中占据了较大比例。目前通常需要采用人工检验的办法来确认文件中所盖***是否正确,大量的人工校验耗费人力且效率低。面对检验鉴定的工作量日益增长,盖章条件、样本提取质量多样化等情况,***自动化检测识别具有很大的研究价值和经济效益。但是现有的***自动识别只能处理没有背景文本干扰的情况,而在真实场景下,由于背景文本的干扰、***质量的差异等因素,现实场景下***识别的难度很大。
发明内容
本发明提供一种面向复杂环境的***文字检测识别方法、装置、电子设备及计算机可读存储介质,其主要目的在于,在存在背景文本干扰情况下,对***文字进行检测识别。
为了实现上述目的,本发明的第一个方面是提供一种面向复杂环境的***文字检测识别方法,所述方法包括:
获取待处理的文档图片;
对所述文档图片进行***检测定位,并根据检测定位结果提取***图片,其中,所述***图片为包括***的最小矩形图片;
对所述***图片进行文本检测,并分割得到***中的曲形文本区域;
将曲形文本区域由曲线形转变为直线形,得到直线形文本图片;
将所述直线形文本图片输入文字识别模型,得到***中的文字信息;
其中,所述文字识别模型采用SAR(Show,Attend and Read)网络进行文字识别,所述SAR网络包括残差网络(Residual Network,ResNet)模块,用于提取文字特征,并获取特征向量;基于长短期记忆网络(Long Short-Term Memory,LSTM)编码器-解码器的框架,所述框架包括LSTM编码器和解码器;注意力模块,用于向解码器施加注意力机制;
通过所述ResNet模块获取特征向量,将所述特征向量输入所述LSTM编码器中获得隐藏状态向量;将隐藏状态向量输入施加了注意力机制的解码器中,获得***中的文字信息。
在一个实施例中,对所述文档图片进行***检测定位的步骤包括:训练YOLOv3检测模型;利用训练得到的YOLOv3检测模型获取***在文档图片中的位置坐标。
在一个实施例中,采取渐进式扩展网络式(Progressive Scale ExpansionNetwork,PSENet)文字检测网络对所述***图片进行文本检测,检测出***图片中的各个文本区域。
在一个实施例中,对***图片进行文本检测的步骤包括:将***图片输入PSENet文字检测网络,获取与输入的***图片对应的低维特征图;对输入的***图片进行下采样处理,得到高维特征图;对所述高维特征图进行上采样处理,并与所述低维特征图进行特征融合,得到与输入的***图片相同尺寸的输出图片;使用广度优先搜索算法(BreadthFirst Search,BFS)搜索所述输出图片,获取文本连通域,得到***图片中的文本区域。
在一个实施例中,将曲形文本区域由曲线形转变为直线形,得到直线形文本图片的步骤包括:假设曲形文本区域为圆形区域的一部分,获取所述圆形区域的圆心坐标和圆半径;根据所述圆心坐标和圆半径估算曲形文本区域对应的圆弧区域,得到所述圆弧区域起点及终点所对应的弧度,并获取所述圆弧区域的最小半径和最大半径;根据所述圆心坐标、最小半径、最大半径和所述圆弧区域起点及终点所对应的弧度,将直线形文本图片中的坐标对应到***图片中的坐标,从而将曲形文本区域映射到矩形区域,得到直线形文本图片。
在一个实施例中,通过下式将直线形文本图片中的坐标对应到***图片中的坐标,
其中,(c0,c1)表示圆心坐标,r表示圆弧区域的最小半径,R表示圆弧区域的最大半径,α表示圆弧区域起点及终点所对应的弧度,(x,y)表示直线形文本图片中的坐标,(x′,y′)表示坐标(x,y)对应到***图片中的坐标。
在一个实施例中,将曲形文本区域由曲线形转变为直线形的步骤之前,还包括:判断文本区域是否为曲形,若文本区域的边缘线的点坐标包围区域的面积与所述包围区域的最小外接矩形面积的比值小于预设阈值,则所述文本区域为曲形。
为了实现上述目的,本发明的第二个方面是提供一种面向复杂环境的***文字检测识别装置,包括:
图片获取模块,用于获取待处理的文档图片;
***提取模块,用于对所述文档图片进行***检测定位,并根据检测定位结果提取***图片,其中,所述***图片为包括***的最小矩形图片;
检测分割模块,用于对所述***图片进行文本检测,并分割得到***中的曲形文本区域;
文本转化模块,用于将曲形文本区域由曲线形转变为直线形,得到直线形文本图片;
文字识别模块,用于将所述直线形文本图片输入文字识别模型,得到***中的文字信息;
其中,所述文字识别模型采用SAR网络进行文字识别,所述SAR网络包括ResNet模块,用于提取文字特征,并获取特征向量;基于LSTM编码器-解码器的框架,所述框架包括LSTM编码器和解码器;注意力模块,用于向解码器施加注意力机制;
通过所述ResNet模块获取特征向量,将所述特征向量输入所述LSTM编码器中获得隐藏状态向量;将隐藏状态向量输入施加了注意力机制的解码器中,获得***中的文字信息。
为了实现上述目的,本发明的第三个方面是提供一种电子设备,所述电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的面向复杂环境的***文字检测识别方法。
为了实现上述目的,本发明的第四个方面是提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的面向复杂环境的***文字检测识别方法。
本发明通过文字识别模型对***进行端对端的检测识别,对***的背景文本干扰的鲁棒性较高,并且,能够将***中的曲形文本转化为直线形文本,解决了***文字难以识别的问题。
本发明基于人工智能和图片检测技术自动从文档中提取***文本内容,且不依赖于***颜色,对黑白、红色、蓝色等各种颜色的***都能处理,避免了雇佣大量人力来比对***内容,节省了人力,提高经济效益。
附图说明
图1为本发明一实施例提供的***文字检测识别方法的流程示意图;
图2a为本发明一实施例提供的文档图片的示意图;
图2b为本发明一实施例提供的***图片的示意图;
图2c为本发明一实施例提供的曲形文本区域的示意图;
图2d为本发明一实施例提供的直线形文本图片的示意图;
图3为本发明一实施例提供的***文字检测识别装置的模块示意图;
图4为本发明一实施例提供的实现***文字检测识别方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种面向复杂环境的***文字检测识别方法。参照图1所示,为本发明一实施例提供的***文字检测识别方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,面向复杂环境的***文字检测识别方法包括:
步骤S1,获取待处理的文档图片,参照图2a所示,为本发明一实施例提供的文档图片的示意图,文档图片中具有待识别的***,并且对***颜色没有限定,可以是黑白、红色、蓝色等;
步骤S2,对所述文档图片进行***检测定位,并根据检测定位结果提取***图片,其中,所述***图片为包括***的最小矩形图片,参照图2b所示,为本发明一实施例提供的***图片的示意图,以圆形***为例,***图片为包括***外圆在内的最小矩形;对于输入的文档,先检测是否存在***,若存在***,则需要定位***位置,根据***位置提取***图片;
步骤S3,对所述***图片进行文本检测,并分割得到***中的曲形文本区域,其中,曲形文本区域指的是包括***中待识别的文字在内的整体区域呈曲形,可以是椭圆形或圆形,参照图2c所示,为本发明一实施例提供的曲形文本区域的示意图,通过对图2b所示的***图片进行文本检测分割得到,如图2c所示,在曲形文本区域中,仅包括曲形文本“无锡市XXXXXX会”;
步骤S4,将曲形文本区域由曲线形转变为直线形,得到直线形文本图片,参照图2d所示,为本发明一实施例提供的直线形文本图片的示意图,通过对图2c所示的曲形文本区域转化得到,将圆弧形区域转化为矩形区域;
步骤S5,将所述直线形文本图片输入文字识别模型,得到***中的文字信息,例如,获取到***信息为“无锡市XXXXXX会”;
其中,所述文字识别模型采用SAR网络进行文字识别,所述SAR网络包括ResNet模块,用于提取文字特征,并获取特征向量;基于LSTM编码器-解码器的框架,所述框架包括LSTM编码器和解码器;注意力模块,用于向解码器施加注意力机制;通过所述ResNet模块获取特征向量,将所述特征向量输入所述LSTM编码器中获得隐藏状态向量;将隐藏状态向量输入施加了注意力机制的解码器中,获得***中的文字信息。
本发明的***文字检测识别可以识别复杂背景下的***文字,并且,可以识别变形的***文字,提高***文字识别的准确率,对***的背景文本干扰的鲁棒性较好。
本发明的文字识别模型利用真实复杂背景图进行训练,所述真实复杂背景图包括公司名称和***类型字符串数据,作为***文本内容,以及复杂背景,其中,复杂背景指的是***图片背景中包括的底色或其他干扰文字等,例如,图2b中的“2019年4月2日”,作为***图片的背景文字,其不属于***本身包括的内容,而属于文档的内容。在训练文字识别模型时,将***类型字符串放置于复杂背景中,并对***文字做形变以及位置变换处理,位置变换包括旋转、上下左右移动等,使得训练样本具有多样性。
在一个实施例中,对所述文档图片进行***检测定位的步骤包括:训练YOLOv3检测模型;利用训练得到的YOLOv3检测模型获取***在文档图片中的位置坐标。
其中,YOLOv3检测模型是基于YOLOv2模型改进的目标检测算法,包括多个卷积层,通过所述卷积层获取不同尺度下的特征图,每个特征图均包含了预测目标区域(***图片)的中心点坐标、目标区域的尺寸以及分类,根据不同尺度下的特征图得到***在文档图片中的位置坐标。采用这种多尺度特征预测的方法使得预测结果更加精确。
其中,训练YOLOv3检测模型的训练样本为带有***的文本图片,并标注有文本图片中的***位置坐标。利用这批数据训练模型可以实现***的精准定位。
对于已经检测到的***,现有的文字识别只能处理横排文字的识别,而***中可能同时存在曲形文本和矩形文本,因此,需要将***图片中的所有文本区域检测出来,根据需要分别进行提取。由于***中各个文字之间的间距比较小,在此通过***的定位检测得到***图片之后,将***图片裁剪下来(参照图2b所示),然后,将裁剪得到的***图片放大,可以拉开各个文字之间的间隔,方便通过检测算法检测出不同的文本区域。
在一个实施例中,采取PSENet(Progressive Scale Expansion Network)文字检测网络对所述***图片进行文本检测,检测出***图片中的各个文本区域,包括曲形文本区域和/或矩形文本区域。对于矩形文本区域,可以直接输入文字识别模型中进行文字识别,而对于曲形文本区域,则需要将曲形文本区域转化为矩形文本区域,再输入文字识别模型中进行处理。
进一步地,对***图片进行文本检测的步骤包括:
将***图片输入PSENet文字检测网络,获取与输入的***图片对应的低维特征图,输入图片维度为[B,3,H,W],其中,B表示批尺寸,H表示图片高度,W表示图片宽度;
对输入的***图片进行下采样处理,得到高维特征图;
对所述高维特征图进行上采样处理,并与所述低维特征图进行特征融合,得到与输入的***图片相同尺寸的输出图片,维度为[B,C,H,W],其中C为设置的核个数,核根据从小到大表示为S1。。。Sn,即分割区域;
使用广度优先搜索算法(Breadth First Search,BFS)搜索所述输出图片,从S1开始,根据S2加入更多像素来扩展区域,直到Sn搜索结束,获取文本连通域,得到***图片中的文本区域。
由于***中可能存在有曲形文本区域和矩形文本区域,对于曲形文本区域,在***文字识别时,最关键的就是将曲形文字转为横排直的文本。通过步骤S3可以检测分割得到一块曲形文本区域,其边缘线的点坐标,记为其中,pi表示第i个点的坐标(xi,yi),这N个点包围的区域记为S。
在一个实施例中,将曲形文本区域由曲线形转变为直线形,得到直线形文本图片的步骤包括:
步骤S41,假设曲形文本区域S为圆形区域的一部分,获取所述圆形区域的圆心坐标和圆半径;具体地,根据***的特点,***曲形文本,主要是圆形和椭圆形。因此,可以假设曲形文本区域S是一个圆形区域的一部分。求解圆形区域的圆心和半径,可以转化为求解下述优化问题:
其中,r为圆半径,c为圆心坐标,pi表示边缘线上第i个点的点坐标,N为曲形文本区域S的边缘线上点的数量;
步骤S42,根据所述圆心坐标和圆半径估算曲形文本区域对应的圆弧区域,得到所述圆弧区域起点及终点所对应的弧度,并获取所述圆弧区域的最小半径和最大半径;具体地,采取试探法,通过边缘线上每个点与圆心c=(c0,c1)的连线,可以求得相应的弧度即:
其中,(xi,yi)为边缘线上点坐标,(c0,c1)为圆心坐标。
现在需要找到文本区域的起始点和终点所对应的弧度值α。显然就是找到一个直线,其与圆心连线对应的弧度值不在与圆心连线的弧度值集合中,也即现需要找到一个弧度α,使得mini∈{1,,…,}|θi-α|>0.05。具体地,通过采样的方法,从[0,2π]区间中每隔0.01取样,判断是否满足公式mini∈{1,2,…,}|θi-α|>0.05,如果满足,则将弧度值α作为曲形文本区域起点及终点所对应的弧度。
参照图2c所示,曲形文本区域是由两个同心圆组成的,分别通过下述公式估计最小半径r和最大半径R:
其中,pi为边缘线上的第i个点坐标,c为圆心坐标,r为最小半径,R为最大半径。
为了保证这对同心圆能包括所有的文本,可以将R适当的增大以及r适当缩小一点,具体调整量根据实际情况确定。
步骤S43,根据所述圆心坐标、最小半径、最大半径和所述圆弧区域起点及终点所对应的弧度,将直线形文本图片中的坐标对应到***图片中的坐标,从而将曲形文本区域映射到矩形区域,得到直线形文本图片。具体地,假设曲形文本区域展开为矩形区域,高为R-r,长为2πR。通过下式将直线形文本图片中的坐标对应到***图片中的坐标,
其中,(c0,c1)表示圆心坐标,r表示圆弧区域的最小半径,R表示圆弧区域的最大半径,α表示圆弧区域起点及终点所对应的弧度,(x,y)表示直线形文本图片中的坐标,(x′,y′)表示坐标(x,y)对应到***图片中的坐标。
由于***图片中分割得到的既可能是曲形文本区域,也可能是矩形文本区域。优选地,将曲形文本区域由曲线形转变为直线形的步骤之前,还包括:判断文本区域是否为曲形(包括圆形或椭圆形),若文本区域的边缘线的点坐标包围区域的面积与所述包围区域的最小外接矩形面积的比值小于预设阈值,则所述文本区域为曲形。具体地,利用OPENCV算法,可以计算包围区域的面积A1,同时计算包围区域的最小外接矩形面积A2,如果则判断出包围的区域是曲形区域,其中,σ为设定阈值,其值在[0,1]区间内,优选为σ=0.7。若其包围的区域面积A1与最小外接矩形面积A2越接近,比值越接近于1,则文本区域为矩形。
本发明通过文字识别模型对***进行端对端的检测识别,对***的背景文本干扰的鲁棒性较高,并且,能够将***中的曲形文本转化为直线形文本,不仅能够识别***中的曲形文本,也能够识别***中的矩形文本(直线形文本),解决了***文字难以识别的问题。
如图3所示,是本发明***文字检测识别装置的功能模块图。
本发明所述***文字检测识别装置100可以安装于电子设备中。根据实现的功能,所述***文字检测识别装置可以包括图片获取模块101、***提取模块102、检测分割模块103、文本转化模块104、文字识别模块105。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
图片获取模块101用于获取待处理的文档图片,其中,文档图片中具有待识别的***,并且对***颜色没有限定,可以是黑白、红色、蓝色等;
***提取模块102用于对所述文档图片进行***检测定位,并根据检测定位结果提取***图片,其中,所述***图片为包括***的最小矩形图片;参照图2b所示,以圆形***为例,***图片为包括***外圆在内的最小矩形;对于输入的文档,先检测是否存在***,若存在***,则需要定位***位置,根据***位置提取***图片;
检测分割模块103用于对所述***图片进行文本检测,并分割得到***中的曲形文本区域;如图2c所示,在曲形文本区域中,仅包括曲形文本“无锡市XXXXXX会”;
文本转化模块104用于将曲形文本区域由曲线形转变为直线形,得到直线形文本图片;参照图2d所示,通过对图2c所示的曲形文本区域转化得到,将圆弧形区域转化为矩形区域;
文字识别模块105用于将所述直线形文本图片输入文字识别模型,得到***中的文字信息;
其中,所述文字识别模型采用SAR网络进行文字识别,所述SAR网络包括ResNet模块,用于提取文字特征,并获取特征向量;基于LSTM编码器-解码器的框架,所述框架包括LSTM编码器和解码器;注意力模块,用于向解码器施加注意力机制;
通过所述ResNet模块获取特征向量,将所述特征向量输入所述LSTM编码器中获得隐藏状态向量;将隐藏状态向量输入施加了注意力机制的解码器中,获得***中的文字信息。
本发明的***文字检测识别可以识别复杂背景下的***文字,并且,可以识别变形的***文字,提高***文字识别的准确率,对***的背景文本干扰的鲁棒性较好。
本发明的文字识别模型利用真实复杂背景图进行训练,所述真实复杂背景图包括公司名称和***类型字符串数据,作为***文本内容,以及复杂背景,其中,复杂背景指的是***图片背景中包括的底色或其他干扰文字等,例如,图2b中的“2019年4月2日”,作为***图片的背景文字,其不属于***本身包括的内容,而属于文档的内容。在训练文字识别模型时,将***类型字符串放置于复杂背景中,并对***文字做形变以及位置变换处理,位置变换包括旋转、上下左右移动等,使得训练样本具有多样性。
在一个实施例中,***提取模块102利用YOLOv3检测模型对所述文档图片进行***检测定位。具体地,通过下述方式实现:训练YOLOv3检测模型;利用训练得到的YOLOv3检测模型获取***在文档图片中的位置坐标。
其中,YOLOv3检测模型是基于YOLOv2模型改进的目标检测算法模型,包括多个卷积层,通过所述卷积层获取不同尺度下的特征图,每个特征图均包含了预测目标区域(***图片)的中心点坐标、目标区域的尺寸以及分类,根据不同尺度下的特征图得到***在文档图片中的位置坐标。采用这种多尺度特征预测的方法使得预测结果更加精确。
其中,训练YOLOv3检测模型的训练样本为带有***的文本图片,并标注有文本图片中的***位置坐标。利用这批数据训练模型可以实现***的精准定位。
对于已经检测到的***,现有的文字识别只能处理横排文字的识别,而***中可能同时存在曲形文本和矩形文本,因此,需要将***图片中的所有文本区域检测出来,根据需要分别进行提取。由于***中各个文字之间的间距比较小,在此通过***的定位检测得到***图片之后,将***图片裁剪下来(参照图2b所示),然后,将裁剪得到的***图片放大,可以拉开各个文字之间的间隔,方便通过检测算法检测出不同的文本区域。
在一个实施例中,检测分割模块103采取PSENet(Shape Robust Text Detectionwith Progressive Scale Expansion Network)文字检测网络对所述***图片进行文本检测,检测出***图片中的各个文本区域,包括曲形文本区域和/或矩形文本区域。对于矩形文本区域,可以直接输入文字识别模型中进行文字识别,而对于曲形文本区域,则需要将曲形文本区域转化为矩形文本区域,再输入文字识别模型中进行处理。
进一步地,检测分割模块103对***图片进行文本检测的步骤包括:
将***图片输入PSENet文字检测网络,获取与输入的***图片对应的低维特征图,输入图片维度为[B,3,H,W],其中H表示图片高度,W表示图片宽度;
对输入的***图片进行下采样处理,得到高维特征图;
对所述高维特征图进行上采样处理,并与所述低维特征图进行特征融合,得到与输入的***图片相同尺寸的输出图片,维度为[B,C,H,W],其中C为设置的核个数,核根据从小到大表示为S1。。。Sn;
使用广度优先搜索算法(Breadth First Search,BFS)搜索所述输出图片,从S1开始,根据S2加入更多像素来扩展区域,直到Sn搜索结束,获取文本连通域,得到***图片中的文本区域。
由于***中可能存在有曲形文本区域和矩形文本区域,对于曲形文本区域,在***文字识别时,最关键的就是将曲形文字转为横排直的文本。通过检测分割可以得到一块曲形文本区域,其边缘线的点坐标,记为其中,pi表示第i个点的坐标(xi,yi),这N个点包围的区域记为S。
在一个实施例中,文本转化模块104通过下述方式将曲形文本区域由曲线形转变为直线形,得到直线形文本图片,具体地,包括:
步骤S41,假设曲形文本区域S为圆形区域的一部分,获取所述圆形区域的圆心坐标和圆半径;具体地,根据***的特点,***曲形文本,主要是圆形和椭圆形。因此,可以假设曲形文本区域S是一个圆形区域的一部分。求解圆形区域的圆心和半径,可以转化为求解下述优化问题:
其中,r为圆半径,c为圆心坐标,pi表示边缘线上第i个点的点坐标,N为曲形文本区域S的边缘线上点的数量;
步骤S42,根据所述圆心坐标和圆半径估算曲形文本区域对应的圆弧区域,得到所述圆弧区域起点及终点所对应的弧度,并获取所述圆弧区域的最小半径和最大半径;具体地,采取试探法,通过边缘线上每个点与圆心c=(c0,c1)的连线,可以求得相应的弧度即
其中,(xi,yi)为边缘线上点坐标,(c0,c1)为圆心坐标。
现在需要找到文本区域的起始点和终点所对应的弧度值α。显然就是找到一个直线,其与圆心连线对应的弧度值不在与圆心连线的弧度值集合中,也即现需要找到一个弧度α,使得mini∈{1,2,…,N}|θi-α|>0.05。具体地,通过采样的方法,从[0,2π]区间中每隔0.01取样,判断是否满足公式mini∈{1,2,…,N}|θi-α|>0.05,如果满足,则将弧度值α作为曲形文本区域起点及终点所对应的弧度。
参照图2c所示,曲形文本区域是由两个同心圆组成的,分别通过下述公式估计最小半径r和最大半径R:
其中,pi为边缘线上的第i个点坐标,c为圆心坐标,r为最小半径,R为最大半径。
为了保证这对同心圆能包括所有的文本,可以将R适当的增大以及r适当缩小一点,具体调整量根据实际情况确定。
步骤S43,根据所述圆心坐标、最小半径、最大半径和所述圆弧区域起点及终点所对应的弧度,将直线形文本图片中的坐标对应到***图片中的坐标,从而将曲形文本区域映射到矩形区域,得到直线形文本图片。具体地,假设曲形文本区域展开为矩形区域,高为R-r,长为2πR。通过下式将直线形文本图片中的坐标对应到***图片中的坐标,
其中,(c0,c1)表示圆心坐标,r表示圆弧区域的最小半径,R表示圆弧区域的最大半径,α表示圆弧区域起点及终点所对应的弧度,(x,y)表示直线形文本图片中的坐标,(x′,y′)表示坐标(x,y)对应到***图片中的坐标。
由于***图片中分割得到的既可能是曲形文本区域,也可能是矩形文本区域。优选地,将曲形文本区域由曲线形转变为直线形之前,还包括:判断文本区域是否为曲形(包括圆形或椭圆形),若文本区域的边缘线的点坐标包围区域的面积与所述包围区域的最小外接矩形面积的比值小于预设阈值,则所述文本区域为曲形。具体地,利用OPENCV算法,可以计算包围区域的面积A1,同时计算包围区域的最小外接矩形面积A2,如果则判断出包围的区域是曲形区域,其中,σ为设定阈值,其值在[0,1]区间内,优选为σ=0.7。若其包围的区域面积A1与最小外接矩形面积A2越接近,比值越接近于1,则文本区域为矩形。
如图4所示,是本发明实现***文字检测识别方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如***文字检测识别程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如***文字检测识别程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如***文字检测识别程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的***文字检测识别程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
获取待处理的文档图片;
对所述文档图片进行***检测定位,并根据检测定位结果提取***图片,其中,所述***图片为包括***的最小矩形图片;
对所述***图片进行文本检测,并分割得到***中的曲形文本区域;
将曲形文本区域由曲线形转变为直线形,得到直线形文本图片;
将所述直线形文本图片输入文字识别模型,得到***中的文字信息;
其中,所述文字识别模型采用SAR网络进行文字识别,所述SAR网络包括ResNet模块,用于提取文字特征,并获取特征向量;基于LSTM编码器-解码器的框架,所述框架包括LSTM编码器和解码器;注意力模块,用于向解码器施加注意力机制;
通过所述ResNet模块获取特征向量,将所述特征向量输入所述LSTM编码器中获得隐藏状态向量;将隐藏状态向量输入施加了注意力机制的解码器中,获得***中的文字信息。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种面向复杂环境的***文字检测识别方法,其特征在于,所述方法包括:
获取待处理的文档图片;
对所述文档图片进行***检测定位,并根据检测定位结果提取***图片,其中,所述***图片为包括***的最小矩形图片;
对所述***图片进行文本检测,并分割得到***中的曲形文本区域;
将曲形文本区域由曲线形转变为直线形,得到直线形文本图片;
将所述直线形文本图片输入文字识别模型,得到***中的文字信息;
其中,所述文字识别模型采用SAR网络进行文字识别,所述SAR网络包括ResNet模块,用于提取文字特征,并获取特征向量;基于LSTM编码器-解码器的框架,所述框架包括LSTM编码器和解码器;注意力模块,用于向解码器施加注意力机制;
通过所述ResNet模块获取特征向量,将所述特征向量输入所述LSTM编码器中获得隐藏状态向量;将隐藏状态向量输入施加了注意力机制的解码器中,获得***中的文字信息;
其中,将曲形文本区域由曲线形转变为直线形,得到直线形文本图片的步骤包括:
假设曲形文本区域为圆形区域的一部分,获取所述圆形区域的圆心坐标和圆半径;
根据所述圆心坐标和圆半径估算曲形文本区域对应的圆弧区域,得到所述圆弧区域起点及终点所对应的弧度,并获取所述圆弧区域的最小半径和最大半径;
根据所述圆心坐标、最小半径、最大半径和所述圆弧区域起点及终点所对应的弧度,将直线形文本图片中的坐标对应到***图片中的坐标,从而将曲形文本区域映射到矩形区域,得到直线形文本图片;
其中,通过下式将直线形文本图片中的坐标对应到***图片中的坐标,
其中,(c0,c1)表示圆心坐标,r表示圆弧区域的最小半径,R表示圆弧区域的最大半径,α表示圆弧区域起点及终点所对应的弧度,(x,y)表示直线形文本图片中的坐标,(x′,y′)表示坐标(x,y)对应到***图片中的坐标。
2.如权利要求1所述的面向复杂环境的***文字检测识别方法,其特征在于,对所述文档图片进行***检测定位的步骤包括:
训练YOLOv3检测模型;
利用训练得到的YOLOv3检测模型获取***在文档图片中的位置坐标。
3.如权利要求1所述的面向复杂环境的***文字检测识别方法,其特征在于,采取PSENet文字检测网络对所述***图片进行文本检测,检测出***图片中的各个文本区域。
4.如权利要求3所述的面向复杂环境的***文字检测识别方法,其特征在于,对***图片进行文本检测的步骤包括:
将***图片输入PSENet文字检测网络,获取与输入的***图片对应的低维特征图;
对输入的***图片进行下采样处理,得到高维特征图;
对所述高维特征图进行上采样处理,并与所述低维特征图进行特征融合,得到与输入的***图片相同尺寸的输出图片;
使用广度优先搜索算法搜索所述输出图片,获取文本连通域,得到***图片中的文本区域。
5.如权利要求1所述的面向复杂环境的***文字检测识别方法,其特征在于,将曲形文本区域由曲线形转变为直线形的步骤之前,还包括:判断文本区域是否为曲形,若文本区域的边缘线的点坐标包围区域的面积与所述包围区域的最小外接矩形面积的比值小于预设阈值,则所述文本区域为曲形。
6.一种面向复杂环境的***文字检测识别装置,其特征在于,包括:
图片获取模块,用于获取待处理的文档图片;
***提取模块,用于对所述文档图片进行***检测定位,并根据检测定位结果提取***图片,其中,所述***图片为包括***的最小矩形图片;
检测分割模块,用于对所述***图片进行文本检测,并分割得到***中的曲形文本区域;
文本转化模块,用于将曲形文本区域由曲线形转变为直线形,得到直线形文本图片;
文字识别模块,用于将所述直线形文本图片输入文字识别模型,得到***中的文字信息;
其中,所述文字识别模型采用SAR网络进行文字识别,所述SAR网络包括ResNet模块,用于提取文字特征,并获取特征向量;基于LSTM编码器-解码器的框架,所述框架包括LSTM编码器和解码器;注意力模块,用于向解码器施加注意力机制;
通过所述ResNet模块获取特征向量,将所述特征向量输入所述LSTM编码器中获得隐藏状态向量;将隐藏状态向量输入施加了注意力机制的解码器中,获得***中的文字信息;
其中,所述文本转化模块通过下述方式将曲形文本区域由曲线形转变为直线形,得到直线形文本图片,包括:
假设曲形文本区域为圆形区域的一部分,获取所述圆形区域的圆心坐标和圆半径;
根据所述圆心坐标和圆半径估算曲形文本区域对应的圆弧区域,得到所述圆弧区域起点及终点所对应的弧度,并获取所述圆弧区域的最小半径和最大半径;
根据所述圆心坐标、最小半径、最大半径和所述圆弧区域起点及终点所对应的弧度,将直线形文本图片中的坐标对应到***图片中的坐标,从而将曲形文本区域映射到矩形区域,得到直线形文本图片;
其中,通过下式将直线形文本图片中的坐标对应到***图片中的坐标,
其中,(c0,c1)表示圆心坐标,r表示圆弧区域的最小半径,R表示圆弧区域的最大半径,α表示圆弧区域起点及终点所对应的弧度,(x,y)表示直线形文本图片中的坐标,(x′,y′)表示坐标(x,y)对应到***图片中的坐标。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任一所述的面向复杂环境的***文字检测识别方法。
8.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一所述的面向复杂环境的***文字检测识别方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010573766.4A CN111767911B (zh) | 2020-06-22 | 2020-06-22 | 面向复杂环境的***文字检测识别方法、装置及介质 |
PCT/CN2020/136402 WO2021115490A1 (zh) | 2020-06-22 | 2020-12-15 | 面向复杂环境的***文字检测识别方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010573766.4A CN111767911B (zh) | 2020-06-22 | 2020-06-22 | 面向复杂环境的***文字检测识别方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111767911A CN111767911A (zh) | 2020-10-13 |
CN111767911B true CN111767911B (zh) | 2024-06-28 |
Family
ID=72721850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010573766.4A Active CN111767911B (zh) | 2020-06-22 | 2020-06-22 | 面向复杂环境的***文字检测识别方法、装置及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111767911B (zh) |
WO (1) | WO2021115490A1 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767911B (zh) * | 2020-06-22 | 2024-06-28 | 平安科技(深圳)有限公司 | 面向复杂环境的***文字检测识别方法、装置及介质 |
CN112488095A (zh) * | 2020-12-18 | 2021-03-12 | 北京字节跳动网络技术有限公司 | ***图像识别方法、装置和电子设备 |
CN113033325A (zh) * | 2021-03-04 | 2021-06-25 | 杭州睿胜软件有限公司 | 图像处理方法及装置、智能***识别设备和存储介质 |
CN112926511A (zh) * | 2021-03-25 | 2021-06-08 | 深圳市商汤科技有限公司 | ***文本识别方法、装置、设备及计算机可读存储介质 |
CN113033543B (zh) * | 2021-04-27 | 2024-04-05 | 中国平安人寿保险股份有限公司 | 曲形文本识别方法、装置、设备及介质 |
CN113327254A (zh) * | 2021-05-27 | 2021-08-31 | 北京深睿博联科技有限责任公司 | 一种基于u型网络的图像分割方法和*** |
CN113269102A (zh) * | 2021-05-28 | 2021-08-17 | 中邮信息科技(北京)有限公司 | 一种***信息识别方法、装置、计算机设备和存储介质 |
CN113627423A (zh) * | 2021-07-08 | 2021-11-09 | 广州广电运通金融电子股份有限公司 | 圆形***字符识别方法、装置、计算机设备和存储介质 |
CN113743400B (zh) * | 2021-07-16 | 2024-02-20 | 华中科技大学 | 一种基于深度学习的电子公文智能审查方法及*** |
CN113610090B (zh) * | 2021-07-29 | 2023-12-26 | 深圳广电银通金融电子科技有限公司 | ***图像识别分类方法、装置、计算机设备和存储介质 |
CN113554031A (zh) * | 2021-08-02 | 2021-10-26 | 杭州拼便宜网络科技有限公司 | 基于图像识别的物流交割方法、装置、设备和存储介质 |
CN113627432A (zh) * | 2021-08-18 | 2021-11-09 | 南京中孚信息技术有限公司 | 图像中***识别方法、装置、计算机设备及可读存储介质 |
CN113807340B (zh) * | 2021-09-07 | 2024-03-15 | 南京信息工程大学 | 一种基于注意力机制的不规则自然场景文本识别方法 |
CN113743360B (zh) * | 2021-09-16 | 2024-03-05 | 京东科技信息技术有限公司 | 智能化***解析的方法和装置 |
CN113971745B (zh) * | 2021-09-27 | 2024-04-16 | 哈尔滨工业大学 | 一种基于深度神经网络的出入境验讫章识别方法及装置 |
CN113869017A (zh) * | 2021-09-30 | 2021-12-31 | 平安科技(深圳)有限公司 | 基于人工智能的表格图像重构方法、装置、设备及介质 |
CN114359553B (zh) * | 2022-03-17 | 2022-06-03 | 北京惠朗时代科技有限公司 | 一种基于物联网的签章定位方法、***及存储介质 |
CN115359543B (zh) * | 2022-10-19 | 2023-01-10 | 北京惠朗时代科技有限公司 | 一种基于区块链的远程用印方法与*** |
CN115830584B (zh) * | 2022-11-29 | 2024-05-24 | 南京云阶电力科技有限公司 | 基于深度学习的端子排文本检测方法及*** |
CN116416626B (zh) * | 2023-06-12 | 2023-08-29 | 平安银行股份有限公司 | 圆形***数据的获取方法、装置、设备及存储介质 |
CN116702719A (zh) * | 2023-06-16 | 2023-09-05 | 易签链(深圳)科技有限公司 | 一种基于人工排版深度学习的智能印文生成方法 |
CN117310591B (zh) * | 2023-11-28 | 2024-03-19 | 广州思林杰科技股份有限公司 | 一种小型的用于测试设备校准精度检测的设备 |
CN117975492B (zh) * | 2024-03-29 | 2024-06-07 | 南昌航空大学 | 一种矩形***文字识别方法 |
CN118072341B (zh) * | 2024-04-19 | 2024-07-09 | 深圳豸印科技有限责任公司 | 一种用印安全监测方法、装置及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728277A (zh) * | 2019-09-27 | 2020-01-24 | 达而观信息科技(上海)有限公司 | 一种***智能检测与识别的方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102566812B (zh) * | 2011-09-30 | 2015-02-18 | 北京壹人壹本信息科技有限公司 | 一种手写记事本的实现方法及装置 |
CN105631447B (zh) * | 2015-12-18 | 2019-02-15 | 杭州仁盈科技股份有限公司 | 一种识别圆形公章中文字的方法 |
CN107609557B (zh) * | 2017-08-24 | 2020-09-08 | 华中科技大学 | 一种指针式仪表读数识别方法 |
CN107944452B (zh) * | 2017-12-12 | 2021-07-23 | 信翼博达科技(深圳)有限公司 | 一种圆形***文字识别方法 |
CN110287960B (zh) * | 2019-07-02 | 2021-12-10 | 中国科学院信息工程研究所 | 自然场景图像中曲线文字的检测识别方法 |
CN110443250B (zh) * | 2019-07-31 | 2022-06-10 | 天津车之家数据信息技术有限公司 | 一种合同***的类别识别方法、装置和计算设备 |
CN110659647B (zh) * | 2019-09-11 | 2022-03-22 | 杭州睿琪软件有限公司 | ***图像识别方法及装置、智能***识别设备和存储介质 |
CN110866529A (zh) * | 2019-10-29 | 2020-03-06 | 腾讯科技(深圳)有限公司 | 字符识别方法、装置、电子设备及存储介质 |
CN111178355B (zh) * | 2019-12-27 | 2024-05-10 | 中化资本有限公司 | ***识别方法、装置和存储介质 |
CN111767911B (zh) * | 2020-06-22 | 2024-06-28 | 平安科技(深圳)有限公司 | 面向复杂环境的***文字检测识别方法、装置及介质 |
-
2020
- 2020-06-22 CN CN202010573766.4A patent/CN111767911B/zh active Active
- 2020-12-15 WO PCT/CN2020/136402 patent/WO2021115490A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728277A (zh) * | 2019-09-27 | 2020-01-24 | 达而观信息科技(上海)有限公司 | 一种***智能检测与识别的方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021115490A1 (zh) | 2021-06-17 |
CN111767911A (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111767911B (zh) | 面向复杂环境的***文字检测识别方法、装置及介质 | |
US10572754B2 (en) | Area of interest boundary extracting method and apparatus, device and computer storage medium | |
CN112418216B (zh) | 一种复杂自然场景图像中的文字检测方法 | |
CN107944450B (zh) | 一种车牌识别方法及装置 | |
CN108764352B (zh) | 重复页面内容检测方法和装置 | |
CN109285181B (zh) | 用于识别图像的方法和装置 | |
CN111178355B (zh) | ***识别方法、装置和存储介质 | |
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN112052850A (zh) | 车牌识别方法、装置、电子设备及存储介质 | |
CN113554008B (zh) | 静态物体区域内检测方法、装置、电子设备及存储介质 | |
CN111950523A (zh) | 基于航拍的船只检测优化方法、装置、电子设备及介质 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN111985449A (zh) | 救援现场图像的识别方法、装置、设备及计算机介质 | |
CN117455762A (zh) | 基于全景行车记录仪的记录画面分辨率提升方法及*** | |
CN112017065A (zh) | 车辆定损理赔方法、装置及计算机可读存储介质 | |
CN115760854A (zh) | 基于深度学习的电力设备缺陷检测方法、装置及电子设备 | |
CN113408517B (zh) | 一种图像显示方法及装置、电子设备 | |
CN114267064A (zh) | 一种人脸识别方法、装置、电子设备及存储介质 | |
CN114882059A (zh) | 基于图像分析的尺寸测量方法、装置、设备及存储介质 | |
CN111950356B (zh) | ***文本定位方法、装置及电子设备 | |
CN116704518A (zh) | 一种文本识别方法及装置、电子设备、存储介质 | |
CN114418951A (zh) | 一种焊盘检测方法、装置、计算机设备及存储介质 | |
CN111950354A (zh) | ***归属国识别方法、装置及电子设备 | |
CN118097706B (zh) | 电网厂站接线图的图元检测方法、***、设备及介质 | |
CN116013091B (zh) | 基于车流量大数据的隧道监控***与分析方法 |
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: 40037248 Country of ref document: HK |
|
GR01 | Patent grant |