CN112329777B - 基于方向检测的文字识别方法、装置、设备及介质 - Google Patents
基于方向检测的文字识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112329777B CN112329777B CN202110010315.4A CN202110010315A CN112329777B CN 112329777 B CN112329777 B CN 112329777B CN 202110010315 A CN202110010315 A CN 202110010315A CN 112329777 B CN112329777 B CN 112329777B
- Authority
- CN
- China
- Prior art keywords
- text
- character
- picture
- sample
- slice
- 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
Images
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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- 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
- 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
- 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
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Character Input (AREA)
Abstract
本发明涉及人工智能领域,提供一种基于方向检测的文字识别方法、装置、设备及介质,能够拼接样本,以增强样本特征,横向拼接也充分满足网络特性,进而提升了网络训练的效果,根据检测到的文本方向对文字切片进行方向校正,再有针对性的进行文字识别,使识别的准确率更高,解决了在各方向文字混排在一张图片时的漏识别问题,保证在复杂排版的图片上提取到的信息更具完整性。本发明还涉及区块链技术,涉及到的模型可存储于区块链。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于方向检测的文字识别方法、装置、设备及介质。
背景技术
文字识别是人工智能领域重要的分支,有着广泛的应用前景,如纸质书籍的电子化、电商图片的信息提取、各类证件票据的自动化录入等。把图像中的文本转变为计算机中可以编辑的字符,对于图像分析乃至视频分析都有着不可替代的作用。
近年来,随着在线课堂的逐步普及,对教学或讲座视频进行截图分析的需求也日益旺盛,这些视频截图多为PPT(PowerPoint)展示页面,除正文外还涉及表格、图表中的文字等,虽然横排正向文字占大多数,但其它方向的文字中也可能包含重要信息,不能遗漏。
但是,目前普遍采用的文本识别方案通常只能识别横排正向文字,对其它方向的文字识别支持较差,即便是对文字方向预先作判断及方向校正,也是对整个文档图片的文字方向进行判断,而对于多方向文字混排的场景,无法针对每一条文本做出单独的方向判断,导致此场景下文字识别的结果准确度较低。
发明内容
鉴于以上内容,有必要提供一种基于方向检测的文字识别方法、装置、设备及介质,能够首先根据检测到的文本方向对文字切片进行方向校正,再有针对性的进行文字识别,使识别的准确率更高,解决了在各方向文字混排在一张图片时的漏识别问题,保证在复杂排版的图片上提取到的信息更具完整性。
一种基于方向检测的文字识别方法,所述基于方向检测的文字识别方法包括:
响应于文字识别指令,获取第一初始样本及第二初始样本,其中,所述第一初始样本与所述第二初始样本具有相同的文本方向;
对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本;
对所述拼接样本中的每张图片进行切片处理,得到切片样本;
对所述切片样本进行旋转处理,得到第一训练样本;
利用所述第一训练样本训练MobileNet-v2网络,得到文本方向检测模型;
从所述第二初始样本中获取横向样本训练文本识别模型,得到横向文本识别模型,及从所述第二初始样本中获取纵向样本训练文本识别模型,得到纵向文本识别模型;
当接收到待检测图片时,对所述待检测图片进行文本位置检测,得到至少一个文字切片;
计算每个文字切片的高宽比,并根据每个文字切片的高宽比对每个文字切片进行预处理;
将预处理后的每个文字切片输入至所述文本方向检测模型,并获取所述文本方向检测模型的输出作为每个文字切片的文本方向;
根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果。
根据本发明优选实施例,所述对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本包括:
对于所述第一初始样本中的每张图片,将所述图片的高度缩放到预设高度;
根据所述图片的初始高宽比及所述预设高度确定目标宽度,并将所述图片的宽度缩放至所述目标宽度;
获取配置像素,对所述配置像素与所述目标宽度的商执行向上取整运算,得到复制量;
根据所述复制量对所述图片进行复制,得到具有所述复制量的复制图片;
对所述图片及所述复制图片进行横向拼接,得到所述拼接样本。
根据本发明优选实施例,所述对所述拼接样本中的每张图片进行切片处理,得到切片样本包括:
在宽度方向上,以所述配置像素对所述拼接样本中的每张图片进行剪切,得到所述切片样本。
根据本发明优选实施例,所述对所述切片样本进行旋转处理,得到第一训练样本包括:
对所述切片样本进行均分,得到两个子样本;
从所述两个子样本中任意获取一个子样本作为第一子样本,将所述两个子样本中除所述第一子样本外的样本确定为第二子样本;
将所述第一子样本中的每个图片旋转180°;
整合旋转后的第一子样本及所述第二子样本,得到所述第一训练样本。
根据本发明优选实施例,所述根据每个文字切片的高宽比对每个文字切片进行预处理包括:
从每个文字切片中获取所述高宽比大于配置高宽比的文字切片,并将获取的文字切片逆时针旋转90°,得到第一文字切片集;
从每个文字切片中获取所述高宽比小于或者等于所述配置高宽比的文字切片构建第二文字切片集;
整合所述第一文字切片集及所述第二文字切片集,得到目标文字切片集;
对所述目标文字切片集中的每个目标图片进行预处理。
根据本发明优选实施例,所述对所述目标文字切片集中的每个目标图片进行预处理包括:
将每个目标图片的高度缩放到所述预设高度;
根据每个目标图片的初始高宽比及所述预设高度确定每个目标图片的缩放宽度,并将每个目标图片的宽度缩放至所述缩放宽度;
对所述配置像素与每个目标图片的缩放宽度的商执行向上取整运算,得到每个目标图片的目标复制量;
根据每个目标图片的目标复制量对每个目标图片进行复制,得到每个目标图片对应的具有所述目标复制量的目标复制图片;
对每个目标图片及每个目标图片对应的目标复制图片进行横向拼接,得到每个目标图片对应的目标拼接图片;
在宽度方向上,以所述配置像素对每个目标拼接图片进行剪切。
根据本发明优选实施例,所述根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果包括:
当检测到有文字切片的文本方向为横向时,调用所述横向文本识别模型,将检测到的文字切片输入至所述横向文本识别模型,并获取所述横向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为相对于所述横向旋转180°的方向时,调用所述横向文本识别模型,将检测到的文字切片旋转180°,并将旋转后的文字切片输入至所述横向文本识别模型,获取所述横向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为纵向时,调用所述纵向文本识别模型,将检测到的文字切片输入至所述纵向文本识别模型,并获取所述纵向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为相对于所述纵向旋转180°的方向时,调用所述纵向文本识别模型,将检测到的文字切片旋转180°,并将旋转后的文字切片输入至所述纵向文本识别模型,获取所述纵向文本识别模型的输出作为所述检测到的文字切片的文字识别结果。
一种基于方向检测的文字识别装置,所述基于方向检测的文字识别装置包括:
获取单元,用于响应于文字识别指令,获取第一初始样本及第二初始样本,其中,所述第一初始样本与所述第二初始样本具有相同的文本方向;
拼接单元,用于对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本;
切片单元,用于对所述拼接样本中的每张图片进行切片处理,得到切片样本;
旋转单元,用于对所述切片样本进行旋转处理,得到第一训练样本;
训练单元,用于利用所述第一训练样本训练MobileNet-v2网络,得到文本方向检测模型;
所述训练单元,还用于从所述第二初始样本中获取横向样本训练文本识别模型,得到横向文本识别模型,及从所述第二初始样本中获取纵向样本训练文本识别模型,得到纵向文本识别模型;
检测单元,用于当接收到待检测图片时,对所述待检测图片进行文本位置检测,得到至少一个文字切片;
预处理单元,用于计算每个文字切片的高宽比,并根据每个文字切片的高宽比对每个文字切片进行预处理;
输入单元,用于将预处理后的每个文字切片输入至所述文本方向检测模型,并获取所述文本方向检测模型的输出作为每个文字切片的文本方向;
识别单元,用于根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果。
一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现所述基于方向检测的文字识别方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现所述基于方向检测的文字识别方法。
由以上技术方案可以看出,本发明能够首先根据检测到的文本方向对文字切片进行方向校正,再有针对性的进行文字识别,使识别的准确率更高,解决了在各方向文字混排在一张图片时的漏识别问题,保证在复杂排版的图片上提取到的信息更具完整性。
附图说明
图1是本发明基于方向检测的文字识别方法的较佳实施例的流程图。
图2是本发明文本方向的示意图。
图3是本发明基于方向检测的文字识别装置的较佳实施例的功能模块图。
图4是本发明实现基于方向检测的文字识别方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明基于方向检测的文字识别方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述基于方向检测的文字识别方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(DigitalSignal Processor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,响应于文字识别指令,获取第一初始样本及第二初始样本,其中,所述第一初始样本与所述第二初始样本具有相同的文本方向。
在本实施例中,所述文字识别指令可以由相关工作人员触发,在此不限制。
例如:当对授课课件进行文字识别时,则可以由授课教师或者学生触发。
在本实施例中,所述第一初始样本中的文本方向可以包括:横向及纵向;同样地,所述第二初始样本中的文本方向也可以包括:横向及纵向。
如图2所示,是本发明文本方向的示意图,其中,图(a)代表横向,图(b)代表纵向。
S11,对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本。
具体地,所述对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本包括:
对于所述第一初始样本中的每张图片,将所述图片的高度缩放到预设高度;
根据所述图片的初始高宽比及所述预设高度确定目标宽度,并将所述图片的宽度缩放至所述目标宽度;
获取配置像素,对所述配置像素与所述目标宽度的商执行向上取整运算,得到复制量;
根据所述复制量对所述图片进行复制,得到具有所述复制量的复制图片;
对所述图片及所述复制图片进行横向拼接,得到所述拼接样本。
其中,所述预设高度及所述配置像素可以根据实际需要进行自定义配置,本发明不限制。
例如:将每张图片的高度缩放到预设高度32,宽度等比例缩放至w,其中,w为根据每张图片的初始高宽比及所述预设高度进行等比例缩放而计算的结果。把得到的图片复制⌈256/w⌉份,即复制量为⌈256/w⌉,然后横向拼接起来,其中⌈∙⌉表示向上取整,即可得到所述拼接样本。
通过上述实施方式,能够通过拼接增强样本特征,横向拼接也充分满足网络特性,进而使提升了网络训练的效果。
S12,对所述拼接样本中的每张图片进行切片处理,得到切片样本。
具体地,所述对所述拼接样本中的每张图片进行切片处理,得到切片样本包括:
在宽度方向上,以所述配置像素对所述拼接样本中的每张图片进行剪切,得到所述切片样本。
例如:承接上面的例子,把所述拼接样本中的每张图片在宽度方向从起始处截取256个像素点,得到高32、宽256的文本切片,整合所有的文本切片,即可得到所述切片样本。
S13,对所述切片样本进行旋转处理,得到第一训练样本。
具体地,所述对所述切片样本进行旋转处理,得到第一训练样本包括:
对所述切片样本进行均分,得到两个子样本;
从所述两个子样本中任意获取一个子样本作为第一子样本,将所述两个子样本中除所述第一子样本外的样本确定为第二子样本;
将所述第一子样本中的每个图片旋转180°;
整合旋转后的第一子样本及所述第二子样本,得到所述第一训练样本。
例如:当所述切片样本中的文本方向为图(a)、(b)中的方向时,通过旋转后,能够得到与图(a)对应的四个文本方向,以及与图(b)对应的四个文本方向,且以上八个文本方向互不重合。
通过上述实施方式,能够实现对样本方向的扩展,使样本方向的覆盖面更加全面,进而提升了后续训练的文本方向检测模型检测的准确率。
S14,利用所述第一训练样本训练MobileNet-v2网络,得到文本方向检测模型。
在本实施例中,由于所述MobileNet-v2网络体积小,速度快,因此,采用所述MobileNet-v2网络训练所述文本方向检测模型,能够使网络更加高效,且对***的性能影响较小,进一步保证了模型的训练效果。
S15,从所述第二初始样本中获取横向样本训练文本识别模型,得到横向文本识别模型,及从所述第二初始样本中获取纵向样本训练文本识别模型,得到纵向文本识别模型。
需要说明的是,本发明对文本识别模型的类型不做限制,并且,所述横向文本识别模型与所述纵向文本识别模型可以进行分别训练。
例如:所述文本识别模型可以基于Attention网络进行训练。
S16,当接收到待检测图片时,对所述待检测图片进行文本位置检测,得到至少一个文字切片。
在本实施例中,可以采用文本检测模型识别文本位置。
例如:可以基于DB(Differentiable Binarization)对所述待检测图片进行文本位置检测,并基于检测出的文本位置进行裁剪,得到所述至少一个文字切片。
S17,计算每个文字切片的高宽比,并根据每个文字切片的高宽比对每个文字切片进行预处理。
在本实施例中,所述根据每个文字切片的高宽比对每个文字切片进行预处理包括:
从每个文字切片中获取所述高宽比大于配置高宽比的文字切片,并将获取的文字切片逆时针旋转90°,得到第一文字切片集;
从每个文字切片中获取所述高宽比小于或者等于所述配置高宽比的文字切片构建第二文字切片集;
整合所述第一文字切片集及所述第二文字切片集,得到目标文字切片集;
对所述目标文字切片集中的每个目标图片进行预处理。
其中,所述配置高宽比的配置是为了识别出较为细长的文字,并对较为细长的文字进行有针对性的处理,避免出现识别错误。
例如:所述配置高宽比可以为1.5。
通过上述实施方式,能够对较为细长的特殊文字进行有针对性的优化,以保证模型的精度。
具体地,所述对所述目标文字切片集中的每个目标图片进行预处理包括:
将每个目标图片的高度缩放到所述预设高度;
根据每个目标图片的初始高宽比及所述预设高度确定每个目标图片的缩放宽度,并将每个目标图片的宽度缩放至所述缩放宽度;
对所述配置像素与每个目标图片的缩放宽度的商执行向上取整运算,得到每个目标图片的目标复制量;
根据每个目标图片的目标复制量对每个目标图片进行复制,得到每个目标图片对应的具有所述目标复制量的目标复制图片;
对每个目标图片及每个目标图片对应的目标复制图片进行横向拼接,得到每个目标图片对应的目标拼接图片;
在宽度方向上,以所述配置像素对每个目标拼接图片进行剪切。
通过上述实施方式,在进行文本方向的识别前,首先对待检测图片进行预处理,避免特殊特征的样本影响方向识别的准确率。
S18,将预处理后的每个文字切片输入至所述文本方向检测模型,并获取所述文本方向检测模型的输出作为每个文字切片的文本方向。
在本实施例中,可以为每个文本方向打上不同的标签或者标识。
例如:0代表横向,2代表纵向。
S19,根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果。
具体地,所述根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果包括:
当检测到有文字切片的文本方向为横向时,调用所述横向文本识别模型,将检测到的文字切片输入至所述横向文本识别模型,并获取所述横向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为相对于所述横向旋转180°的方向时,调用所述横向文本识别模型,将检测到的文字切片旋转180°,并将旋转后的文字切片输入至所述横向文本识别模型,获取所述横向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为纵向时,调用所述纵向文本识别模型,将检测到的文字切片输入至所述纵向文本识别模型,并获取所述纵向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为相对于所述纵向旋转180°的方向时,调用所述纵向文本识别模型,将检测到的文字切片旋转180°,并将旋转后的文字切片输入至所述纵向文本识别模型,获取所述纵向文本识别模型的输出作为所述检测到的文字切片的文字识别结果。
通过上述实施方式,能够首先根据检测到的文本方向对文字切片进行方向校正,再有针对性的进行文字识别,使识别的准确率更高,解决了在各方向文字混排在一张图片时的漏识别问题,保证在复杂排版的图片上提取到的信息更具完整性。
需要说明的是,为了进一步保证数据的安全性,还可以将涉及到的模型部署于区块链,以防止数据被恶意篡改。
由以上技术方案可以看出,本发明能够首先根据检测到的文本方向对文字切片进行方向校正,再有针对性的进行文字识别,使识别的准确率更高,解决了在各方向文字混排在一张图片时的漏识别问题,保证在复杂排版的图片上提取到的信息更具完整性。
如图3所示,是本发明基于方向检测的文字识别装置的较佳实施例的功能模块图。所述基于方向检测的文字识别装置11包括获取单元110、拼接单元111、切片单元112、旋转单元113、训练单元114、检测单元115、预处理单元116、输入单元117、识别单元118。本发明所称的模块/单元是指一种能够被处理器13所执行,并且能够完成固定功能的一系列计算机程序段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
响应于文字识别指令,获取单元110获取第一初始样本及第二初始样本,其中,所述第一初始样本与所述第二初始样本具有相同的文本方向。
在本实施例中,所述文字识别指令可以由相关工作人员触发,在此不限制。
例如:当对授课课件进行文字识别时,则可以由授课教师或者学生触发。
在本实施例中,所述第一初始样本中的文本方向可以包括:横向及纵向;同样地,所述第二初始样本中的文本方向也可以包括:横向及纵向。
如图2所示,是本发明文本方向的示意图,其中,图(a)代表横向,图(b)代表纵向。
拼接单元111对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本。
具体地,所述拼接单元111对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本包括:
对于所述第一初始样本中的每张图片,将所述图片的高度缩放到预设高度;
根据所述图片的初始高宽比及所述预设高度确定目标宽度,并将所述图片的宽度缩放至所述目标宽度;
获取配置像素,对所述配置像素与所述目标宽度的商执行向上取整运算,得到复制量;
根据所述复制量对所述图片进行复制,得到具有所述复制量的复制图片;
对所述图片及所述复制图片进行横向拼接,得到所述拼接样本。
其中,所述预设高度及所述配置像素可以根据实际需要进行自定义配置,本发明不限制。
例如:将每张图片的高度缩放到预设高度32,宽度等比例缩放至w,其中,w为根据每张图片的初始高宽比及所述预设高度进行等比例缩放而计算的结果。把得到的图片复制⌈256/w⌉份,即复制量为⌈256/w⌉,然后横向拼接起来,其中⌈∙⌉表示向上取整,即可得到所述拼接样本。
通过上述实施方式,能够通过拼接增强样本特征,横向拼接也充分满足网络特性,进而使提升了网络训练的效果。
切片单元112对所述拼接样本中的每张图片进行切片处理,得到切片样本。
具体地,所述切片单元112对所述拼接样本中的每张图片进行切片处理,得到切片样本包括:
在宽度方向上,以所述配置像素对所述拼接样本中的每张图片进行剪切,得到所述切片样本。
例如:承接上面的例子,把所述拼接样本中的每张图片在宽度方向从起始处截取256个像素点,得到高32、宽256的文本切片,整合所有的文本切片,即可得到所述切片样本。
旋转单元113对所述切片样本进行旋转处理,得到第一训练样本。
具体地,所述旋转单元113对所述切片样本进行旋转处理,得到第一训练样本包括:
对所述切片样本进行均分,得到两个子样本;
从所述两个子样本中任意获取一个子样本作为第一子样本,将所述两个子样本中除所述第一子样本外的样本确定为第二子样本;
将所述第一子样本中的每个图片旋转180°;
整合旋转后的第一子样本及所述第二子样本,得到所述第一训练样本。
例如:当所述切片样本中的文本方向为图(a)、(b)中的方向时,通过旋转后,能够得到与图(a)对应的四个文本方向,以及与图(b)对应的四个文本方向,且以上八个文本方向互不重合。
通过上述实施方式,能够实现对样本方向的扩展,使样本方向的覆盖面更加全面,进而提升了后续训练的文本方向检测模型检测的准确率。
训练单元114利用所述第一训练样本训练MobileNet-v2网络,得到文本方向检测模型。
在本实施例中,由于所述MobileNet-v2网络体积小,速度快,因此,采用所述MobileNet-v2网络训练所述文本方向检测模型,能够使网络更加高效,且对***的性能影响较小,进一步保证了模型的训练效果。
所述训练单元114从所述第二初始样本中获取横向样本训练文本识别模型,得到横向文本识别模型,及从所述第二初始样本中获取纵向样本训练文本识别模型,得到纵向文本识别模型。
需要说明的是,本发明对文本识别模型的类型不做限制,并且,所述横向文本识别模型与所述纵向文本识别模型可以进行分别训练。
例如:所述文本识别模型可以基于Attention网络进行训练。
当接收到待检测图片时,检测单元115对所述待检测图片进行文本位置检测,得到至少一个文字切片。
在本实施例中,可以采用文本检测模型识别文本位置。
例如:可以基于DB(Differentiable Binarization)对所述待检测图片进行文本位置检测,并基于检测出的文本位置进行裁剪,得到所述至少一个文字切片。
预处理单元116计算每个文字切片的高宽比,并根据每个文字切片的高宽比对每个文字切片进行预处理。
在本实施例中,所述预处理单元116根据每个文字切片的高宽比对每个文字切片进行预处理包括:
从每个文字切片中获取所述高宽比大于配置高宽比的文字切片,并将获取的文字切片逆时针旋转90°,得到第一文字切片集;
从每个文字切片中获取所述高宽比小于或者等于所述配置高宽比的文字切片构建第二文字切片集;
整合所述第一文字切片集及所述第二文字切片集,得到目标文字切片集;
对所述目标文字切片集中的每个目标图片进行预处理。
其中,所述配置高宽比的配置是为了识别出较为细长的文字,并对较为细长的文字进行有针对性的处理,避免出现识别错误。
例如:所述配置高宽比可以为1.5。
通过上述实施方式,能够对较为细长的特殊文字进行有针对性的优化,以保证模型的精度。
具体地,所述预处理单元116对所述目标文字切片集中的每个目标图片进行预处理包括:
将每个目标图片的高度缩放到所述预设高度;
根据每个目标图片的初始高宽比及所述预设高度确定每个目标图片的缩放宽度,并将每个目标图片的宽度缩放至所述缩放宽度;
对所述配置像素与每个目标图片的缩放宽度的商执行向上取整运算,得到每个目标图片的目标复制量;
根据每个目标图片的目标复制量对每个目标图片进行复制,得到每个目标图片对应的具有所述目标复制量的目标复制图片;
对每个目标图片及每个目标图片对应的目标复制图片进行横向拼接,得到每个目标图片对应的目标拼接图片;
在宽度方向上,以所述配置像素对每个目标拼接图片进行剪切。
通过上述实施方式,在进行文本方向的识别前,首先对待检测图片进行预处理,避免特殊特征的样本影响方向识别的准确率。
输入单元117将预处理后的每个文字切片输入至所述文本方向检测模型,并获取所述文本方向检测模型的输出作为每个文字切片的文本方向。
在本实施例中,可以为每个文本方向打上不同的标签或者标识。
例如:0代表横向,2代表纵向。
识别单元118根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果。
具体地,所述识别单元118根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果包括:
当检测到有文字切片的文本方向为横向时,调用所述横向文本识别模型,将检测到的文字切片输入至所述横向文本识别模型,并获取所述横向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为相对于所述横向旋转180°的方向时,调用所述横向文本识别模型,将检测到的文字切片旋转180°,并将旋转后的文字切片输入至所述横向文本识别模型,获取所述横向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为纵向时,调用所述纵向文本识别模型,将检测到的文字切片输入至所述纵向文本识别模型,并获取所述纵向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为相对于所述纵向旋转180°的方向时,调用所述纵向文本识别模型,将检测到的文字切片旋转180°,并将旋转后的文字切片输入至所述纵向文本识别模型,获取所述纵向文本识别模型的输出作为所述检测到的文字切片的文字识别结果。
通过上述实施方式,能够首先根据检测到的文本方向对文字切片进行方向校正,再有针对性的进行文字识别,使识别的准确率更高,解决了在各方向文字混排在一张图片时的漏识别问题,保证在复杂排版的图片上提取到的信息更具完整性。
需要说明的是,为了进一步保证数据的安全性,还可以将涉及到的模型部署于区块链,以防止数据被恶意篡改。
由以上技术方案可以看出,本发明能够首先根据检测到的文本方向对文字切片进行方向校正,再有针对性的进行文字识别,使识别的准确率更高,解决了在各方向文字混排在一张图片时的漏识别问题,保证在复杂排版的图片上提取到的信息更具完整性。
如图4所示,是本发明实现基于方向检测的文字识别方法的较佳实施例的电子设备的结构示意图。
所述电子设备1可以包括存储器12、处理器13和总线,还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如基于方向检测的文字识别程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,所述电子设备1既可以是总线型结构,也可以是星形结构,所述电子设备1还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置,例如所述电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是,所述电子设备1仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
其中,存储器12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。存储器12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。存储器12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(Secure Digital, SD)卡、闪存卡(Flash Card)等。进一步地,存储器12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。存储器12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,例如基于方向检测的文字识别程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13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。处理器13是所述电子设备1的控制核心(Control Unit),利用各种接口和线路连接整个电子设备1的各个部件,通过运行或执行存储在所述存储器12内的程序或者模块(例如执行基于方向检测的文字识别程序等),以及调用存储在所述存储器12内的数据,以执行电子设备1的各种功能和处理数据。
所述处理器13执行所述电子设备1的操作***以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个基于方向检测的文字识别方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如,所述计算机程序可以被分割成获取单元110、拼接单元111、切片单元112、旋转单元113、训练单元114、检测单元115、预处理单元116、输入单元117、识别单元118。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述基于方向检测的文字识别方法的部分。
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。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指示相关的硬件设备来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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)、随机存取存储器等。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
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。为便于表示,在图4中仅用一根箭头表示,但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
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13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。
图4仅示出了具有组件12-13的电子设备1,本领域技术人员可以理解的是,图4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。
结合图1,所述电子设备1中的所述存储器12存储多个指令以实现一种基于方向检测的文字识别方法,所述处理器13可执行所述多个指令从而实现:
响应于文字识别指令,获取第一初始样本及第二初始样本,其中,所述第一初始样本与所述第二初始样本具有相同的文本方向;
对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本;
对所述拼接样本中的每张图片进行切片处理,得到切片样本;
对所述切片样本进行旋转处理,得到第一训练样本;
利用所述第一训练样本训练MobileNet-v2网络,得到文本方向检测模型;
从所述第二初始样本中获取横向样本训练文本识别模型,得到横向文本识别模型,及从所述第二初始样本中获取纵向样本训练文本识别模型,得到纵向文本识别模型;
当接收到待检测图片时,对所述待检测图片进行文本位置检测,得到至少一个文字切片;
计算每个文字切片的高宽比,并根据每个文字切片的高宽比对每个文字切片进行预处理;
将预处理后的每个文字切片输入至所述文本方向检测模型,并获取所述文本方向检测模型的输出作为每个文字切片的文本方向;
根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果。
具体地,所述处理器13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。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,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。本发明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。第一、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 (7)
1.一种基于方向检测的文字识别方法,其特征在于,所述基于方向检测的文字识别方法包括:
响应于文字识别指令,获取第一初始样本及第二初始样本,其中,所述第一初始样本与所述第二初始样本具有相同的文本方向;
对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本,包括:对于所述第一初始样本中的每张图片,将所述图片的高度缩放到预设高度;根据所述图片的初始高宽比及所述预设高度确定目标宽度,并将所述图片的宽度缩放至所述目标宽度;获取配置像素,对所述配置像素与所述目标宽度的商执行向上取整运算,得到复制量;根据所述复制量对所述图片进行复制,得到具有所述复制量的复制图片;对所述图片及所述复制图片进行横向拼接,得到所述拼接样本;
对所述拼接样本中的每张图片进行切片处理,得到切片样本,包括:在宽度方向上,以所述配置像素对所述拼接样本中的每张图片进行剪切,得到所述切片样本;
对所述切片样本进行旋转处理,得到第一训练样本;
利用所述第一训练样本训练MobileNet-v2网络,得到文本方向检测模型;
基于Attention网络从所述第二初始样本中获取横向样本训练文本识别模型,得到横向文本识别模型,及基于Attention网络从所述第二初始样本中获取纵向样本训练文本识别模型,得到纵向文本识别模型;
当接收到待检测图片时,采用文本检测模型对所述待检测图片进行文本位置检测,得到至少一个文字切片;
计算每个文字切片的高宽比,并根据每个文字切片的高宽比对每个文字切片进行预处理,包括:从每个文字切片中获取所述高宽比大于配置高宽比的文字切片,并将获取的文字切片逆时针旋转90°,得到第一文字切片集;从每个文字切片中获取所述高宽比小于或者等于所述配置高宽比的文字切片构建第二文字切片集;整合所述第一文字切片集及所述第二文字切片集,得到目标文字切片集;对所述目标文字切片集中的每个目标图片进行预处理;
将预处理后的每个文字切片输入至所述文本方向检测模型,并获取所述文本方向检测模型的输出作为每个文字切片的文本方向;
根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果。
2.如权利要求1所述的基于方向检测的文字识别方法,其特征在于,所述对所述切片样本进行旋转处理,得到第一训练样本包括:
对所述切片样本进行均分,得到两个子样本;
从所述两个子样本中任意获取一个子样本作为第一子样本,将所述两个子样本中除所述第一子样本外的样本确定为第二子样本;
将所述第一子样本中的每个图片旋转180°;
整合旋转后的第一子样本及所述第二子样本,得到所述第一训练样本。
3.如权利要求1所述的基于方向检测的文字识别方法,其特征在于,所述对所述目标文字切片集中的每个目标图片进行预处理包括:
将每个目标图片的高度缩放到所述预设高度;
根据每个目标图片的初始高宽比及所述预设高度确定每个目标图片的缩放宽度,并将每个目标图片的宽度缩放至所述缩放宽度;
对所述配置像素与每个目标图片的缩放宽度的商执行向上取整运算,得到每个目标图片的目标复制量;
根据每个目标图片的目标复制量对每个目标图片进行复制,得到每个目标图片对应的具有所述目标复制量的目标复制图片;
对每个目标图片及每个目标图片对应的目标复制图片进行横向拼接,得到每个目标图片对应的目标拼接图片;
在宽度方向上,以所述配置像素对每个目标拼接图片进行剪切。
4.如权利要求1所述的基于方向检测的文字识别方法,其特征在于,所述根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果包括:
当检测到有文字切片的文本方向为横向时,调用所述横向文本识别模型,将检测到的文字切片输入至所述横向文本识别模型,并获取所述横向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为相对于所述横向旋转180°的方向时,调用所述横向文本识别模型,将检测到的文字切片旋转180°,并将旋转后的文字切片输入至所述横向文本识别模型,获取所述横向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为纵向时,调用所述纵向文本识别模型,将检测到的文字切片输入至所述纵向文本识别模型,并获取所述纵向文本识别模型的输出作为所述检测到的文字切片的文字识别结果;及/或
当检测到有文字切片的文本方向为相对于所述纵向旋转180°的方向时,调用所述纵向文本识别模型,将检测到的文字切片旋转180°,并将旋转后的文字切片输入至所述纵向文本识别模型,获取所述纵向文本识别模型的输出作为所述检测到的文字切片的文字识别结果。
5.一种基于方向检测的文字识别装置,其特征在于,所述基于方向检测的文字识别装置包括:
获取单元,用于响应于文字识别指令,获取第一初始样本及第二初始样本,其中,所述第一初始样本与所述第二初始样本具有相同的文本方向;
拼接单元,用于对所述第一初始样本中的每张图片进行拼接处理,得到拼接样本,包括:对于所述第一初始样本中的每张图片,将所述图片的高度缩放到预设高度;根据所述图片的初始高宽比及所述预设高度确定目标宽度,并将所述图片的宽度缩放至所述目标宽度;获取配置像素,对所述配置像素与所述目标宽度的商执行向上取整运算,得到复制量;根据所述复制量对所述图片进行复制,得到具有所述复制量的复制图片;对所述图片及所述复制图片进行横向拼接,得到所述拼接样本;
切片单元,用于对所述拼接样本中的每张图片进行切片处理,得到切片样本,包括:在宽度方向上,以所述配置像素对所述拼接样本中的每张图片进行剪切,得到所述切片样本;
旋转单元,用于对所述切片样本进行旋转处理,得到第一训练样本;
训练单元,用于利用所述第一训练样本训练MobileNet-v2网络,得到文本方向检测模型;
所述训练单元,还用于基于Attention网络从所述第二初始样本中获取横向样本训练文本识别模型,得到横向文本识别模型,及基于Attention网络从所述第二初始样本中获取纵向样本训练文本识别模型,得到纵向文本识别模型;
检测单元,用于当接收到待检测图片时,采用文本检测模型对所述待检测图片进行文本位置检测,得到至少一个文字切片;
预处理单元,用于计算每个文字切片的高宽比,并根据每个文字切片的高宽比对每个文字切片进行预处理,包括:从每个文字切片中获取所述高宽比大于配置高宽比的文字切片,并将获取的文字切片逆时针旋转90°,得到第一文字切片集;从每个文字切片中获取所述高宽比小于或者等于所述配置高宽比的文字切片构建第二文字切片集;整合所述第一文字切片集及所述第二文字切片集,得到目标文字切片集;对所述目标文字切片集中的每个目标图片进行预处理;
输入单元,用于将预处理后的每个文字切片输入至所述文本方向检测模型,并获取所述文本方向检测模型的输出作为每个文字切片的文本方向;
识别单元,用于根据每个文字切片的文本方向从所述横向文本识别模型及所述纵向文本识别模型中选择模型进行文字识别,得到文字识别结果。
6.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现如权利要求1至4中任意一项所述的基于方向检测的文字识别方法。
7.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至4中任意一项所述的基于方向检测的文字识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110010315.4A CN112329777B (zh) | 2021-01-06 | 2021-01-06 | 基于方向检测的文字识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110010315.4A CN112329777B (zh) | 2021-01-06 | 2021-01-06 | 基于方向检测的文字识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329777A CN112329777A (zh) | 2021-02-05 |
CN112329777B true CN112329777B (zh) | 2021-05-04 |
Family
ID=74302491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110010315.4A Active CN112329777B (zh) | 2021-01-06 | 2021-01-06 | 基于方向检测的文字识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329777B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569608A (zh) * | 2021-02-08 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 基于深度学习的文本识别方法、装置、设备及存储介质 |
CN112926565B (zh) * | 2021-02-25 | 2024-02-06 | 中国平安人寿保险股份有限公司 | 图片文本的识别方法、***、设备和存储介质 |
CN113313117B (zh) * | 2021-06-25 | 2023-07-25 | 北京奇艺世纪科技有限公司 | 一种识别文本内容的方法及装置 |
CN113627297B (zh) * | 2021-07-30 | 2024-06-11 | 平安科技(深圳)有限公司 | 图像识别方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764226A (zh) * | 2018-04-13 | 2018-11-06 | 顺丰科技有限公司 | 图像文本识别方法、装置、设备及其存储介质 |
US10445569B1 (en) * | 2016-08-30 | 2019-10-15 | A9.Com, Inc. | Combination of heterogeneous recognizer for image-based character recognition |
CN110414519A (zh) * | 2019-06-27 | 2019-11-05 | 众安信息技术服务有限公司 | 一种图片文字的识别方法及其识别装置 |
CN111666937A (zh) * | 2020-04-17 | 2020-09-15 | 广州多益网络股份有限公司 | 一种图像中的文本识别方法及*** |
CN111931778A (zh) * | 2020-07-21 | 2020-11-13 | 浪潮金融信息技术有限公司 | 一种基于行列切分的印刷体字符的识别方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5276742A (en) * | 1991-11-19 | 1994-01-04 | Xerox Corporation | Rapid detection of page orientation |
CN1304993C (zh) * | 2003-08-04 | 2007-03-14 | 中国科学院自动化研究所 | 商标检索方法 |
CN101697201B (zh) * | 2009-09-25 | 2012-05-30 | 华南理工大学 | 一种旋转方向无关的手写汉字识别方法 |
US20110258170A1 (en) * | 2010-01-15 | 2011-10-20 | Duggan Matthew | Systems and methods for automatically correcting data extracted from electronic documents using known constraints for semantics of extracted data elements |
CN109934229B (zh) * | 2019-03-28 | 2021-08-03 | 网易有道信息技术(北京)有限公司 | 图像处理方法、装置、介质和计算设备 |
CN110210316B (zh) * | 2019-05-07 | 2022-08-12 | 南京理工大学 | 基于灰度图像的交通信号灯数字识别方法 |
CN110443239A (zh) * | 2019-06-28 | 2019-11-12 | 平安科技(深圳)有限公司 | 文字图像的识别方法及其装置 |
CN111062365B (zh) * | 2019-12-30 | 2023-05-26 | 上海肇观电子科技有限公司 | 识别混合排版文字的方法、设备、芯片电路和计算机可读存储介质 |
CN110929727A (zh) * | 2020-02-12 | 2020-03-27 | 成都数联铭品科技有限公司 | 图像标注方法及装置、文字检测方法及***、电子设备 |
CN111428717B (zh) * | 2020-03-26 | 2024-04-26 | 京东方科技集团股份有限公司 | 文本识别方法、装置、电子设备及计算机可读存储介质 |
CN111797827A (zh) * | 2020-05-18 | 2020-10-20 | 冠群信息技术(南京)有限公司 | 一种文字方向混排的自动化ocr识别方法 |
CN111783541B (zh) * | 2020-06-01 | 2024-04-02 | 北京捷通华声科技股份有限公司 | 一种文本识别方法和装置 |
CN111814736B (zh) * | 2020-07-23 | 2023-12-29 | 上海东普信息科技有限公司 | 快递面单信息的识别方法、装置、设备及存储介质 |
CN111860389A (zh) * | 2020-07-27 | 2020-10-30 | 北京易真学思教育科技有限公司 | 数据处理方法、电子设备及计算机可读介质 |
CN111881902B (zh) * | 2020-07-28 | 2023-06-27 | 平安科技(深圳)有限公司 | 训练样本制作方法、装置、计算机设备及可读存储介质 |
CN112036259A (zh) * | 2020-08-10 | 2020-12-04 | 晶璞(上海)人工智能科技有限公司 | 一种基于图像处理与深度学习相结合的表格矫正与识别的方法 |
CN112183250A (zh) * | 2020-09-14 | 2021-01-05 | 北京三快在线科技有限公司 | 文字识别方法、装置、存储介质及电子设备 |
CN112183372A (zh) * | 2020-09-29 | 2021-01-05 | 深圳数联天下智能科技有限公司 | 文本识别方法、装置、设备及可读存储介质 |
-
2021
- 2021-01-06 CN CN202110010315.4A patent/CN112329777B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10445569B1 (en) * | 2016-08-30 | 2019-10-15 | A9.Com, Inc. | Combination of heterogeneous recognizer for image-based character recognition |
CN108764226A (zh) * | 2018-04-13 | 2018-11-06 | 顺丰科技有限公司 | 图像文本识别方法、装置、设备及其存储介质 |
CN110414519A (zh) * | 2019-06-27 | 2019-11-05 | 众安信息技术服务有限公司 | 一种图片文字的识别方法及其识别装置 |
CN111666937A (zh) * | 2020-04-17 | 2020-09-15 | 广州多益网络股份有限公司 | 一种图像中的文本识别方法及*** |
CN111931778A (zh) * | 2020-07-21 | 2020-11-13 | 浪潮金融信息技术有限公司 | 一种基于行列切分的印刷体字符的识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112329777A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112329777B (zh) | 基于方向检测的文字识别方法、装置、设备及介质 | |
WO2021217857A1 (zh) | 切片缺陷检测方法、装置、电子设备及可读存储介质 | |
CN111476324B (zh) | 基于人工智能的交通数据标注方法、装置、设备及介质 | |
CN112287914B (zh) | Ppt视频段提取方法、装置、设备及介质 | |
CN111738212B (zh) | 基于人工智能的交通信号灯识别方法、装置、设备及介质 | |
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN111860377A (zh) | 基于人工智能的直播方法、装置、电子设备及存储介质 | |
CN111666415A (zh) | 话题聚类方法、装置、电子设备及存储介质 | |
CN111930976B (zh) | 演示文稿生成方法、装置、设备及存储介质 | |
CN113033543A (zh) | 曲形文本识别方法、装置、设备及介质 | |
CN109388725A (zh) | 通过视频内容进行搜索的方法及装置 | |
CN110647931A (zh) | 物体检测方法、电子设备、***及介质 | |
CN115034990A (zh) | 实时场景下的图像去雾处理方法、装置、设备及介质 | |
CN112001159A (zh) | 文书生成方法、装置、电子设备及存储介质 | |
CN115205225A (zh) | 医学图像识别模型的训练方法、装置、设备及存储介质 | |
CN112861750B (zh) | 基于拐点检测的视频提取方法、装置、设备及介质 | |
CN111932413B (zh) | 案件要素提取方法、装置、设备及介质 | |
CN113204698A (zh) | 新闻主题词生成方法、装置、设备及介质 | |
CN112464939A (zh) | 目标检测中的数据增广方法、装置及存储介质 | |
CN115346095A (zh) | 视觉问答方法、装置、设备及存储介质 | |
CN114913518A (zh) | 基于图像处理的车牌识别方法、装置、设备及介质 | |
CN114332599A (zh) | 图像识别方法、装置、计算机设备、存储介质和产品 | |
CN112233194A (zh) | 医学图片优化方法、装置、设备及计算机可读存储介质 | |
CN112183347A (zh) | 基于深度空间梯度的活体检测方法、装置、设备及介质 | |
CN113627456B (zh) | 生成基准数据的方法和装置 |
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 |