CN113705554A - 图像识别模型的训练方法、装置、设备及存储介质 - Google Patents
图像识别模型的训练方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113705554A CN113705554A CN202110934322.3A CN202110934322A CN113705554A CN 113705554 A CN113705554 A CN 113705554A CN 202110934322 A CN202110934322 A CN 202110934322A CN 113705554 A CN113705554 A CN 113705554A
- Authority
- CN
- China
- Prior art keywords
- text
- recognition model
- image
- target
- training
- 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.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06N20/00—Machine learning
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- 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
-
- 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
- G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开公开了一种图像识别模型的训练方法、装置、设备及存储介质,涉及计算机技术领域,具体涉及深度学习、计算机视觉等人工智能技术领域,具体实现方案为:获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,所述第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同;利用第一文本图像对初始识别模型进行训练,以获取基础识别模型;利用第二文本图像对所述基础识别模型进行修正训练,以获取所述目标场景对应的图像识别模型。本公开采用非目标场景及目标场景下不同垂类的文本图像,训练得到针对目标场景的识别模型,有效提高了模型的识别精度及通用性。
Description
技术领域
本公开涉及计算机技术领域,具体涉及计算机视觉、深度学习等人工智能技术领域,尤其涉及一种图像识别模型的训练方法、装置、设备及存储介质。
背景技术
随着人工智能技术地不断发展和完善,其已经在与人类日常生活相关的各个领域扮演着极其重要的作用。例如,光学字符识别(Optical Character Recognition,OCR)技术可以用于提取文档、书籍、扫描件等多种场景的文本信息,为信息的收集和处理提供了极大方便。然而,对于证件类、票据类等特定场景下的具体垂类,由于能够获取的训练数据数量有限,导致训练得到的OCR模型的识别精度不高。因此,如何提高针对特定场景下的不同垂类的识别精度具有重要意义。
发明内容
本公开提供了一种图像识别模型的训练方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种图像识别模型的训练方法,包括:
获取训练数据集,其中,所述训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,所述第一文本图像中包含的文本内容的类型与所述第二文本图像中包含的文本内容的类型相同;
利用所述第一文本图像对初始识别模型进行训练,以获取基础识别模型;
利用所述第二文本图像对所述基础识别模型进行修正训练,以获取所述目标场景对应的图像识别模型。
根据本公开的第二方面,提供了一种图像识别模型的训练装置,包括:
第一获取模块,用于获取训练数据集,其中,所述训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,所述第一文本图像中包含的文本内容的类型与所述第二文本图像中包含的文本内容的类型相同;
第二获取模块,用于利用所述第一文本图像对初始识别模型进行训练,以获取基础识别模型;
第三获取模块,用于利用所述第二文本图像对所述基础识别模型进行修正训练,以获取所述目标场景对应的图像识别模型。
本公开第三方面实施例提出了一种计算机设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如本公开第一方面实施例提出的方法。
本公开第四方面实施例提出了一种非临时性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本公开第一方面实施例提出的方法。
本公开第五方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,执行本公开第一方面实施例提出的方法。
本公开提供的图像识别模型的训练方法、装置、设备以及存储介质至少存在以下有益效果:
首先获取训练数据集,然后利用训练数据集中非目标场景下各个垂类的第一文本图像,对初始识别模型进行训练,以获取基础识别模型,之后利用训练数据集中目标场景下各个垂类的第二文本图像对基础识别模型进行修正训练,以获取目标场景对应的图像识别模型。由此,可以使得生成的图像识别模型的识别精度更高,适用性更强。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一实施例提供的一种图像识别模型的训练方法的流程示意图;
图2是根据本公开另一实施例提供的一种图像识别模型的训练方法的流程示意图;
图3是根据本公开一实施例提供的一种图像识别模型的训练装置的结构示意图;
图4是根据本公开另一实施例提供的一种图像识别模型的训练装置的结构示意图;
图5是用来实现本公开实施例的图像识别模型的训练方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
为了方便对本公开的理解,下面首先对本公开涉及的技术领域进行简单解释说明书。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。
计算机视觉是一个跨学科的科学领域,研究如何让计算机从数字图像或视频中获得高水平的理解。从工程学的角度来看,它寻求人类视觉***能够完成的自动化任务。计算机视觉任务包括获取、处理、分析和理解数字图像的方法,以及从现实世界中提取高维数据以便例如以决策的形式产生数字或符号信息的方法。
本公开提供了一种图像识别模型的训练方法,该方法可以由本公开提供的一种图像识别模型的训练装置执行,也可以由本公开提供的电子设备执行,其中,电子设备可以包括但不限于手机、台式电脑、平板电脑等终端设备,也可以是服务器,下面以由本公开提供的图像识别模型的训练装置来执行本公开提供的一种图像识别模型的训练方法,而不作为对本公开的限定,以下简称为“装置”。
下面结合参考附图对本公开提供的图像识别模型的训练方法、装置、计算机设备及存储介质进行详细描述。
图1是根据本公开一实施例的一种图像识别模型的训练方法的流程示意图。
如图1所示,该图像识别模型的训练方法可以包括以下步骤:
步骤S101,获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同。
其中,目标场景可以为任意指定的场景。可以理解的是,目标场景可以具有一定的属性或者特征,在目标场景下需要识别的每种文本图像可以称为一种垂类。
比如,目标场景可以为交通场景,则该场景下各个垂类的文本图像可以为行驶证文本图像、驾驶证文本图像、车辆合格证文本图像等,在此不进行限定。
或者,目标场景可以为金融场景,则该场景下各个垂类的文本图像可以为增值税***文本图像、机打***文本图像、行程单文本图像、银行支票文本图像、银行回单文本图像等,在此不进行限定。
其中,非目标场景可以为与目标场景类似,或者与目标场景存在一定的内在关联的场景。比如,目标场景下各个垂类的文本图像和非目标场景下各个垂类的文本图像包含的文本内容的类型相同。
举例来说,若当前的目标场景为交通场景,则非目标场景可以为证件场景。需要说明的是,在证件场景中,需要识别的文本图像通常为身份证、护照等。身份证、护照等文本图像与驾驶证、行驶证、车辆合格证等文本图像均包含文字、日期、证件号码等文本类型,因而可以将证件场景下的文本图像作为第一文本图像,也即与非目标场景对应的文本图像,在此不做限定。
需要说明的是,训练数据集中包含的第一文本图像以及第二文本图像可以是通过图像传感器,比如摄像头、照相机获取的图像,其可以为彩色图像或者灰色图像,在此不进行限定。另外,还可以对训练数据集中的文本数据进行数据合成、数据增强,从而增强训练数据的多样性,在此不进行限定。
步骤S102,利用第一文本图像对初始识别模型进行训练,以获取基础识别模型。
其中,初始识别模型可以为未经任何训练的初始深度学习网络模型,基础识别模型可以为在使用第一文本图像,也即训练数据,对初始识别模型进行训练的过程中生成的网络模型。
在一些示例中,可以按照预设参数,分批次将第一文本图像,也即训练数据输入初始识别模型,然后根据初始识别模型的误差函数,确定初始识别模型提取的文本图像中的文本数据与文本图像对应的真实文本数据之间的误差,然后基于误差,对初始识别模型进行反向传播训练,以得到基础识别模型。
需要说明的是,用于对初始识别模型进行训练的第一文本图像的数量可以为8千张或者一万张,在此不进行限定。
可选的,在一些实施方式中,初始识别模型可以为CRNN(ConvolutionalRecurrent Neural Network,卷积循环神经网络)、Attention(注意力机制)等网络模型,在此不进行限定。
步骤S103,利用第二文本图像对基础识别模型进行修正训练,以获取目标场景对应的图像识别模型。
需要说明的是,在确定了基础识别模型之后,可以将目标场景对应的第二文本图像作为训练数据,对基础识别模型进行修正训练,从而获取与目标场景对应的图像识别模型。
在一些示例中,可以按照预设参数,分批次将第二文本图像,也即训练数据输入基础识别模型,然后根据基础识别模型的误差函数,确定基础识别模型提取的文本图像中的文本数据与文本图像对应的真实文本数据之间的误差,然后基于误差,对基础识别模型进行反向传播训练,以得到目标场景对应的图像识别模型。
可选的,训练数据集中还可以包括任意场景下的文本图像,比如可以包含文档、书籍、扫描件的文本图像等,在此不进行限定。当训练得到基础识别模型时,可以将任意场景下的文本图像及第一文本图像共同作为训练数据。相应的,当训练得到目标场景对应的图像识别模型时,可以将任意场景下的文本图像及第二文本图像共同作为训练数据。
可以理解的是,由于特定场景下的文本图像通常具有私密性,因此难以收集到足够数量的数据用于训练。任意场景下的文本图像包含大量的文本信息,能够弥补目标场景及非目标场景下不同垂类的文本图像数量不足的缺陷。因此,在训练数据集中加入任意场景下的文本图像,可以增加训练数据的数据量,提高图像识别模型的基础识别能力。
本公开实施例中,首先获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同,然后利用第一文本图像对初始识别模型进行训练,以获取基础识别模型,之后利用第二文本图像对基础识别模型进行修正训练,以获取目标场景对应的图像识别模型。由此,在训练得到目标场景下的图像识别模型时,通过采用与目标场景类似的场景的不同垂类的文本图像,以及目标场景下不同垂类的文本图像,训练得到一个能够适用于目标场景不同垂类的识别模型,提高了模型的识别精度和通用性,减少了模型占用的内存,节省了人力和物力开销。
图2是根据本公开另一实施例的一种图像识别模型的训练方法的流程示意图。
如图2所示,该图像识别模型的训练方法可以包括以下步骤:
步骤S201,获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同。
需要说明的是,步骤S201的具体实现过程可以参照上述实施例,在此不进行赘述。
可选的,训练数据集中可以包括第一文本图像对应的第一标注文本内容,第一文本框的位置信息,以及与第一标注文本内容对应的第一标注类型标签。
需要说明的是,对于采集得到的第一文本图像,可以先对各个文本内容进行标注,同时确定各个文本框的位置信息,并为第一标注文本内容确定对应的类型标签,之后将第一文本图像加入训练数据集。其中,第一标注文本内容可以为第一文本图像中包含的各个文本。
举例来说,若当前的第一文本图像为增值税***文本图像,则与其对应的第一标注文本内容可以为该增值税***的购买方名称、纳税人识别号、开票日期、税额等文本信息。其中,第一文本框可以为各个第一标注文本内容所确定的文本框。其中,第一标注类型标签可以为在各个第一文本框上标注的类型,比如,可以在开票日期上标注“日期”,可以在纳税人识别号上标注“号码”,可以在税额上标注“金额”等,在此不进行限定。
具体的,在确定第一文本框之后,可以确定该文本框的所在定位,进而确定第一文本框的位置信息。比如,可以将第一文本框的坐标信息作为第一文本框的位置信息,在此不进行限定。
步骤S202,根据第一文本框的位置信息,从第一文本图像中获取待识别的第一目标图像。
需要说明的是,可以根据第一文本框的位置信息确定待识别的第一目标图像的定位,进而可以根据该定位从第一文本图像中确定待识别区域的图像,也即第一目标图像。
本公开实施例中,通过确定文本框的位置信息,进而根据位置信息从文本图像中确定待识别的目标图像,可以避免识别空白区域,提高识别模型的训练效率。
步骤S203,将第一目标图像输入初始识别模型,以获取初始识别模型输出的预测文本内容。
可选的,可以将第一目标图像输入初始识别模型,以获取初始识别模型输出的预测文本内容及预测类型标签。在训练的过程中,还可以不断加入目标图像用于训练。
步骤S204,根据预测文本内容与第一标注文本内容的差异,对初始识别模型进行修正,以获取基础识别模型。
其中,可以先确定出预测文本内容中每个像素点与第一标注文本内容中对应的像素点间的距离,之后再根据各对应像素点间的距离即可表征预测文本内容与第一标注文本内容间的差异。
举例来说,可以使用欧氏距离公式确定预测文本内容与第一标注文本内容中各对应像素点间的距离,或者,也可以使用曼哈顿距离公式计算预测文本内容与第一标注文本内容各对应像素点间的距离,进而确定出修正梯度并以此对初始识别模型进行修正,在此不进行限定。
可选的,还可以根据预测文本内容与第一标注文本内容的差异以及预测类型标签与第一标注类型标签的差异,对初始识别模型进行修正,以获取基础识别模型。
比如,可以先根据预测文本内容与第一标注文本内容的差异对初始识别模型进行修正,然后根据预测类型标签与第一标注类型标签的差异对初始识别模型进行修正。
或者,可以先根据预测类型标签与第一标注类型标签的差异对初始识别模型进行修正,然后根据预测文本内容与第一标注文本内容的差异对初始识别模型进行修正。
或者,可以同时根据预测文本内容与第一标注文本内容的差异以及预测类型标签与第一标注类型标签的差异,对初始识别模型进行修正,以获取基础识别模型。
本公开实施例中,通过训练识别模型同时输出预测本文内容和预测类型标签,可以使得识别模型在使用时,能够自动标注识别的文本的信息类型,从而为信息的进一步处理提供便利。
可选的,训练数据集中还可以包括第二文本图像对应的第二标注文本内容、第二文本框的位置信息及第二标注文本内容对应的第二标注类型标签。
需要说明的是,第二标注文本内容、第二文本框的位置信息以及第二标注类型标签的具体示例可以参照上述第一标注文本内容,第一文本框的位置信息,以及与第一标注文本内容对应的第一标注类型标签,在此不进行赘述。
步骤S205,根据第二文本框的位置信息,从第二文本图像中获取待识别的第二目标图像。
需要说明的是,可以根据第二文本框的位置信息确定待识别的第二目标图像的定位,进而可以根据该定位从第二文本图像中确定待识别区域的图像,也即第二目标图像。
步骤S206,将第二目标图像输入基础识别模型,以获取基础识别模型输出的预测文本内容及预测类型标签。
步骤S207,根据预测文本内容与第二标注文本内容的差异、及预测类型标签与第二标注类型标签的差异,对基础识别模型进行修正,以获取目标场景对应的图像识别模型。
需要说明的是,步骤S205、S206、S207的具体实现过程可以参照上述步骤S202、S203、S204,在此不进行赘述。
步骤S208,获取待识别的目标文本图像。
需要说明的是,目标文本图像,也即指定的待识别的图像,可以为任意文本图像,比如证件、票据等,在此不进行限定。
需要说明的是,目标文本图像可以是通过任意图像传感器,比如摄像头、照相机获取的图像,其可以为彩色图像或者灰色图像,在此不进行限定。
步骤S209,对目标文本图像进行解析,以确定目标文本图像所属的场景。
本公开实施中,可以对获得的目标文本图像进行解析,进而确定目标文本图像对应的场景。比如,若当前的目标文本图像为驾驶证文本图像,则可以确定当前的目标文本图像属于交通场景;若当前的目标文本图像为增值税***图像,则可以确定目标文本图像属于金融场景,在此不进行限定。
步骤S210,将目标文本图像输入与所属的场景对应的图像识别模型,以获取目标文本图像中包含的文本内容。
在确定了目标文本图像所属的场景之后,可以确定与该场景对应的图像识别模型。进而,可以将目标文本图像输入至与该场景对应的图像识别模型中,从而可以输出与目标文本图像对应的文本内容。
比如,目标文本图像为驾驶证,则可以将其输入交通场景的图像识别模型中。
或者,目标文本图像为增值税***,则可以将其输入金融场景的图像识别模型中。
本公开实施例中,通过确定目标文本图像所属的场景,进而使用与所属场景相应的图像识别模型,对目标文本图像进行识别,提高了图像识别的可靠性和精确度。
本公开实施例中,首先获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同;然后利用第一文本图像对初始识别模型进行训练,以获取基础识别模型,之后利用第二文本图像对基础识别模型进行修正训练,以获取目标场景对应的图像识别模型;之后获取待识别的目标文本图像,并对目标文本图像进行解析,以确定目标文本图像所属的场景,最后将目标文本图像输入与所属的场景对应的图像识别模型,以获取目标文本图像中包含的文本内容。其中,在训练得到基础识别模型时,根据预测文本内容与第一标注文本内容的差异,对初始识别模型进行修正;在训练得到目标场景下的图像识别模型时,根据预测文本内容与第二标注文本内容的差异、及预测类型标签与第二标注类型标签的差异,对基础识别模型进行修正,从而使得生成的图像识别模型的准确性更高,适用性更强,从而能够准确的根据目标文本图像生成对应的文本内容。
根据本公开的实施例,本公开还提供了一种图像识别模型的训练装置。
图3是根据本公开一实施例的图像识别模型的训练装置的结构示意图。如图3所示,该图像识别模型的训练装置300可以包括:第一获取模块310、第二获取模块320以及第三获取模块330。
其中,第一获取模块310,用于用于获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同。
第二获取模块320,用于利用第一文本图像对初始识别模型进行训练,以获取基础识别模型。
第三获取模块330,用于利用第二文本图像对基础识别模型进行修正训练,以获取目标场景对应的图像识别模型。
在本公开实施例一种可能的实现方式中,训练数据集中还包括任意场景下的文本图像。
本公开实施例中,首先获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同,然后利用第一文本图像对初始识别模型进行训练,以获取基础识别模型,之后利用第二文本图像对基础识别模型进行修正训练,以获取目标场景对应的图像识别模型。由此,在训练得到目标场景下的图像识别模型时,通过采用与目标场景类似的场景的不同垂类的文本图像,以及目标场景下不同垂类的文本图像,训练得到一个能够适用于目标场景不同垂类的识别模型,提高了模型的识别精度和通用性,减少了模型占用的内存,节省了人力和物力开销。
图4是根据本公开另一实施例的图像识别模型的训练装置的结构示意图。如图4所示,该图像识别模型的训练装置400可以包括:第一获取模块410、第二获取模块420以及第三获取模块430。
在本公开实施例一种可能的实现方式中,训练数据集中还包括第一文本图像对应的第一标注文本内容、第一文本框的位置信息。
其中,第二获取模块420可以包括:
第一获取单元421,用于根据第一文本框的位置信息,从第一文本图像中获取待识别的目标图像。
第二获取单元422,用于将目标图像输入初始识别模型,以获取初始识别模型输出的预测文本内容。
第三获取单元423,用于根据预测文本内容与第一标注文本内容的差异,对初始识别模型进行修正,以获取基础识别模型。
在本公开实施例一种可能的实现方式中,训练数据集中还包括第一标注文本内容对应的第一标注类型标签。
其中,第二获取单元422具体用于:将目标图像输入初始识别模型,以获取初始识别模型输出的预测文本内容及预测类型标签;
第三获取单元423具体用于:根据预测文本内容与第一标注文本内容的差异、及预测类型标签与第一标注类型标签的差异,对初始识别模型进行修正,以获取基础识别模型。
在本公开实施例一种可能的实现方式中,训练数据集中还包括第二文本图像对应的第二标注文本内容、第二文本框的位置信息及第二标注文本内容对应的第二标注类型标签。
其中,第三获取模块430可以包括:
第四获取单元431,用于根据第二文本框的位置信息,从第二文本图像中获取待识别的第二目标图像。
第五获取单元432,用于将第二目标图像输入基础识别模型,以获取基础识别模型输出的预测文本内容及预测类型标签。
第六获取单元433,用于根据预测文本内容与第二标注文本内容的差异、及预测类型标签与第二标注类型标签的差异,对基础识别模型进行修正,以获取目标场景对应的图像识别模型。
在本公开实施例一种可能的实现方式中,该训练装置还可以包括第四获取模块440、第一确定模块450及第五获取模块460。
其中,第四获取模块440,用于获取待识别的目标文本图像。
第一确定模块450,用于对目标文本图像进行解析,以确定目标文本图像所属的场景。
第五获取模块460,用于将目标文本图像输入与所属的场景对应的图像识别模型,以获取目标文本图像中包含的文本内容。
可以理解的是,本公开实施例附图4中的图像识别模型的训练装置400与上述实施例中的图像识别模型的训练装置300,第一获取模块410与上述实施例中的第一获取模块310,第二获取模块420与上述实施例中的第二获取模块320,第三获取模块430与上述实施例中的第三获取模块330,可以具有相同的功能和结构。
需要说明的是,前述对图像识别模型的训练方法的实施例的解释说明,也适用于该实施例的图像识别模型的训练装置,其实现原理类似,此处不再赘述。
本公开实施例中,首先获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同;然后利用第一文本图像对初始识别模型进行训练,以获取基础识别模型,之后利用第二文本图像对基础识别模型进行修正训练,以获取目标场景对应的图像识别模型;之后获取待识别的目标文本图像,并对目标文本图像进行解析,以确定目标文本图像所属的场景,最后将目标文本图像输入与所属的场景对应的图像识别模型,以获取目标文本图像中包含的文本内容。其中,在训练得到基础识别模型时,根据预测文本内容与第一标注文本内容的差异,对初始识别模型进行修正;在训练得到目标场景下的图像识别模型时,根据预测文本内容与第二标注文本内容的差异、及预测类型标签与第二标注类型标签的差异,对基础识别模型进行修正,从而使得生成的基础识别模型和图像识别模型的准确性更高,适用性更强,从而能够准确的根据目标文本图像生成对应的文本内容。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如图像识别模型的训练方法。例如,在一些实施例中,图像识别模型的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的图像识别模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像识别模型的训练方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
本公开实施例中,首先获取训练数据集,其中,训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,第一文本图像中包含的文本内容的类型与第二文本图像中包含的文本内容的类型相同,然后利用第一文本图像对初始识别模型进行训练,以获取基础识别模型,之后利用第二文本图像对基础识别模型进行修正训练,以获取目标场景对应的图像识别模型。由此,在训练得到目标场景下的图像识别模型时,通过采用与目标场景类似的场景的不同垂类的文本图像,以及目标场景下不同垂类的文本图像,训练得到一个能够适用于目标场景不同垂类的识别模型,提高了模型的识别精度和通用性,减少了模型占用的内存,节省了人力和物力开销。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种图像识别模型的训练方法,包括:
获取训练数据集,其中,所述训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,所述第一文本图像中包含的文本内容的类型与所述第二文本图像中包含的文本内容的类型相同;
利用所述第一文本图像对初始识别模型进行训练,以获取基础识别模型;
利用所述第二文本图像对所述基础识别模型进行修正训练,以获取所述目标场景对应的图像识别模型。
2.如权利要求1所述的方法,其中,所述训练数据集中还包括任意场景下的文本图像。
3.如权利要求1所述的方法,其中,所述训练数据集中还包括所述第一文本图像对应的第一标注文本内容、第一文本框的位置信息,所述利用所述第一文本图像对初始识别模型进行训练,以获取基础识别模型,包括:
根据所述第一文本框的位置信息,从所述第一文本图像中获取待识别的第一目标图像;
将所述第一目标图像输入所述初始识别模型,以获取所述初始识别模型输出的预测文本内容;
根据所述预测文本内容与所述第一标注文本内容的差异,对所述初始识别模型进行修正,以获取所述基础识别模型。
4.如权利要求3所述的方法,其中,所述训练数据集中还包括所述第一标注文本内容对应的第一标注类型标签,所述将所述第一目标图像输入所述初始识别模型,以获取所述初始识别模型输出的预测文本内容,包括:
将所述第一目标图像输入所述初始识别模型,以获取所述初始识别模型输出的预测文本内容及预测类型标签;
所述根据所述预测文本内容与所述第一标注文本内容的差异,对所述初始识别模型进行修正,以获取所述基础识别模型,包括:
根据所述预测文本内容与所述第一标注文本内容的差异、及所述预测类型标签与所述第一标注类型标签的差异,对所述初始识别模型进行修正,以获取所述基础识别模型。
5.如权利要求1-4任一所述的方法,其中,所述训练数据集中还包括所述第二文本图像对应的第二标注文本内容、第二文本框的位置信息及所述第二标注文本内容对应的第二标注类型标签,所述利用所述第二文本图像对所述基础识别模型进行修正训练,以获取所述目标场景对应的图像识别模型,包括:
根据所述第二文本框的位置信息,从所述第二文本图像中获取待识别的第二目标图像;
将所述第二目标图像输入所述基础识别模型,以获取所述基础识别模型输出的预测文本内容及预测类型标签;
根据所述预测文本内容与所述第二标注文本内容的差异、及所述预测类型标签与所述第二标注类型标签的差异,对所述基础识别模型进行修正,以获取所述目标场景对应的图像识别模型。
6.如权利要求5所述的方法,其中,还包括:
获取待识别的目标文本图像;
对所述目标文本图像进行解析,以确定所述目标文本图像所属的场景;
将所述目标文本图像输入与所属的场景对应的图像识别模型,以获取所述目标文本图像中包含的文本内容。
7.一种图像识别模型的训练装置,包括:
第一获取模块,用于获取训练数据集,其中,所述训练数据集包括非目标场景下各个垂类的第一文本图像、及目标场景下各个垂类的第二文本图像,所述第一文本图像中包含的文本内容的类型与所述第二文本图像中包含的文本内容的类型相同;
第二获取模块,用于利用所述第一文本图像对初始识别模型进行训练,以获取基础识别模型;
第三获取模块,用于利用所述第二文本图像对所述基础识别模型进行修正训练,以获取所述目标场景对应的图像识别模型。
8.如权利要求7所述的装置,其中,所述训练数据集中还包括任意场景下的文本图像。
9.如权利要求7所述的装置,其中,所述训练数据集中还包括所述第一文本图像对应的第一标注文本内容、第一文本框的位置信息,所述第二获取模块包括:
第一获取单元,用于根据所述第一文本框的位置信息,从所述第一文本图像中获取待识别的目标图像;
第二获取单元,用于将所述目标图像输入所述初始识别模型,以获取所述初始识别模型输出的预测文本内容;
第三获取单元,用于根据所述预测文本内容与所述第一标注文本内容的差异,对所述初始识别模型进行修正,以获取所述基础识别模型。
10.如权利要求9所述的装置,其中,所述训练数据集中还包括所述第一标注文本内容对应的第一标注类型标签,
所述第二获取单元用于:将所述目标图像输入所述初始识别模型,以获取所述初始识别模型输出的预测文本内容及预测类型标签;
所述第三获取单元用于:根据所述预测文本内容与所述第一标注文本内容的差异、及所述预测类型标签与所述第一标注类型标签的差异,对所述初始识别模型进行修正,以获取所述基础识别模型。
11.如权利要求7-10任一所述的装置,其中,所述训练数据集中还包括所述第二文本图像对应的第二标注文本内容、第二文本框的位置信息及所述第二标注文本内容对应的第二标注类型标签,所述第三获取模块包括:
第四获取单元,用于根据所述第二文本框的位置信息,从所述第二文本图像中获取待识别的第二目标图像;
第五获取单元,用于将所述第二目标图像输入所述基础识别模型,以获取所述基础识别模型输出的预测文本内容及预测类型标签;
第六获取单元,用于根据所述预测文本内容与所述第二标注文本内容的差异、及所述预测类型标签与所述第二标注类型标签的差异,对所述基础识别模型进行修正,以获取所述目标场景对应的图像识别模型。
12.如权利要求11所述的装置,其中,还包括:
第四获取模块,用于获取待识别的目标文本图像;
第一确定模块,用于对所述目标文本图像进行解析,以确定所述目标文本图像所属的场景;
第五获取模块,用于将所述目标文本图像输入与所属的场景对应的图像识别模型,以获取所述目标文本图像中包含的文本内容。
13.一种电子设备,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权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934322.3A CN113705554A (zh) | 2021-08-13 | 2021-08-13 | 图像识别模型的训练方法、装置、设备及存储介质 |
US17/905,965 US20230401828A1 (en) | 2021-08-13 | 2022-04-08 | Method for training image recognition model, electronic device and storage medium |
PCT/CN2022/085915 WO2023015922A1 (zh) | 2021-08-13 | 2022-04-08 | 图像识别模型的训练方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110934322.3A CN113705554A (zh) | 2021-08-13 | 2021-08-13 | 图像识别模型的训练方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113705554A true CN113705554A (zh) | 2021-11-26 |
Family
ID=78652707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110934322.3A Pending CN113705554A (zh) | 2021-08-13 | 2021-08-13 | 图像识别模型的训练方法、装置、设备及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230401828A1 (zh) |
CN (1) | CN113705554A (zh) |
WO (1) | WO2023015922A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359903A (zh) * | 2022-01-06 | 2022-04-15 | 北京百度网讯科技有限公司 | 一种文本识别方法、装置、设备及存储介质 |
CN114428677A (zh) * | 2022-01-28 | 2022-05-03 | 北京百度网讯科技有限公司 | 任务处理方法、处理装置、电子设备及存储介质 |
CN114550143A (zh) * | 2022-04-28 | 2022-05-27 | 新石器慧通(北京)科技有限公司 | 无人车行驶中的场景识别方法及装置 |
CN114677691A (zh) * | 2022-04-06 | 2022-06-28 | 北京百度网讯科技有限公司 | 文本识别方法、装置、电子设备及存储介质 |
CN114973279A (zh) * | 2022-06-17 | 2022-08-30 | 北京百度网讯科技有限公司 | 手写文本图像生成模型的训练方法、装置和存储介质 |
CN115035510A (zh) * | 2022-08-11 | 2022-09-09 | 深圳前海环融联易信息科技服务有限公司 | 文本识别模型训练方法、文本识别方法、设备及介质 |
CN115658903A (zh) * | 2022-11-01 | 2023-01-31 | 百度在线网络技术(北京)有限公司 | 文本分类方法、模型训练方法、相关装置及电子设备 |
WO2023015922A1 (zh) * | 2021-08-13 | 2023-02-16 | 北京百度网讯科技有限公司 | 图像识别模型的训练方法、装置、设备及存储介质 |
CN116070711A (zh) * | 2022-10-25 | 2023-05-05 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN117132790A (zh) * | 2023-10-23 | 2023-11-28 | 南方医科大学南方医院 | 基于人工智能的消化道肿瘤诊断辅助*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275038A (zh) * | 2020-01-17 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 图像文本识别方法、装置、计算机设备及计算机存储介质 |
CN111652232A (zh) * | 2020-05-29 | 2020-09-11 | 泰康保险集团股份有限公司 | 票据识别方法及装置、电子设备和计算机可读存储介质 |
CN112183307A (zh) * | 2020-09-25 | 2021-01-05 | 上海眼控科技股份有限公司 | 文本识别方法、计算机设备和存储介质 |
CN112784751A (zh) * | 2021-01-22 | 2021-05-11 | 北京百度网讯科技有限公司 | 图像识别模型的训练方法、装置、设备以及介质 |
CN113239967A (zh) * | 2021-04-14 | 2021-08-10 | 北京达佳互联信息技术有限公司 | 文字识别模型训练方法、识别方法、相关设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472296A (zh) * | 2018-10-17 | 2019-03-15 | 阿里巴巴集团控股有限公司 | 一种基于梯度提升决策树的模型训练方法及装置 |
US11475335B2 (en) * | 2019-04-24 | 2022-10-18 | International Business Machines Corporation | Cognitive data preparation for deep learning model training |
CN113159212A (zh) * | 2021-04-30 | 2021-07-23 | 上海云从企业发展有限公司 | Ocr识别模型训练方法、装置以及计算机可读存储介质 |
CN113705554A (zh) * | 2021-08-13 | 2021-11-26 | 北京百度网讯科技有限公司 | 图像识别模型的训练方法、装置、设备及存储介质 |
-
2021
- 2021-08-13 CN CN202110934322.3A patent/CN113705554A/zh active Pending
-
2022
- 2022-04-08 US US17/905,965 patent/US20230401828A1/en active Pending
- 2022-04-08 WO PCT/CN2022/085915 patent/WO2023015922A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275038A (zh) * | 2020-01-17 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 图像文本识别方法、装置、计算机设备及计算机存储介质 |
CN111652232A (zh) * | 2020-05-29 | 2020-09-11 | 泰康保险集团股份有限公司 | 票据识别方法及装置、电子设备和计算机可读存储介质 |
CN112183307A (zh) * | 2020-09-25 | 2021-01-05 | 上海眼控科技股份有限公司 | 文本识别方法、计算机设备和存储介质 |
CN112784751A (zh) * | 2021-01-22 | 2021-05-11 | 北京百度网讯科技有限公司 | 图像识别模型的训练方法、装置、设备以及介质 |
CN113239967A (zh) * | 2021-04-14 | 2021-08-10 | 北京达佳互联信息技术有限公司 | 文字识别模型训练方法、识别方法、相关设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
杨博雄: "《深度学习理论与实践》", 30 September 2020, 北京邮电大学出版社, pages: 33 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023015922A1 (zh) * | 2021-08-13 | 2023-02-16 | 北京百度网讯科技有限公司 | 图像识别模型的训练方法、装置、设备及存储介质 |
CN114359903B (zh) * | 2022-01-06 | 2023-04-07 | 北京百度网讯科技有限公司 | 一种文本识别方法、装置、设备及存储介质 |
CN114359903A (zh) * | 2022-01-06 | 2022-04-15 | 北京百度网讯科技有限公司 | 一种文本识别方法、装置、设备及存储介质 |
CN114428677A (zh) * | 2022-01-28 | 2022-05-03 | 北京百度网讯科技有限公司 | 任务处理方法、处理装置、电子设备及存储介质 |
CN114428677B (zh) * | 2022-01-28 | 2023-09-12 | 北京百度网讯科技有限公司 | 任务处理方法、处理装置、电子设备及存储介质 |
CN114677691A (zh) * | 2022-04-06 | 2022-06-28 | 北京百度网讯科技有限公司 | 文本识别方法、装置、电子设备及存储介质 |
CN114677691B (zh) * | 2022-04-06 | 2023-10-03 | 北京百度网讯科技有限公司 | 文本识别方法、装置、电子设备及存储介质 |
CN114550143A (zh) * | 2022-04-28 | 2022-05-27 | 新石器慧通(北京)科技有限公司 | 无人车行驶中的场景识别方法及装置 |
CN114973279A (zh) * | 2022-06-17 | 2022-08-30 | 北京百度网讯科技有限公司 | 手写文本图像生成模型的训练方法、装置和存储介质 |
CN114973279B (zh) * | 2022-06-17 | 2023-02-17 | 北京百度网讯科技有限公司 | 手写文本图像生成模型的训练方法、装置和存储介质 |
CN115035510A (zh) * | 2022-08-11 | 2022-09-09 | 深圳前海环融联易信息科技服务有限公司 | 文本识别模型训练方法、文本识别方法、设备及介质 |
CN116070711A (zh) * | 2022-10-25 | 2023-05-05 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN116070711B (zh) * | 2022-10-25 | 2023-11-10 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN115658903B (zh) * | 2022-11-01 | 2023-09-05 | 百度在线网络技术(北京)有限公司 | 文本分类方法、模型训练方法、相关装置及电子设备 |
CN115658903A (zh) * | 2022-11-01 | 2023-01-31 | 百度在线网络技术(北京)有限公司 | 文本分类方法、模型训练方法、相关装置及电子设备 |
CN117132790A (zh) * | 2023-10-23 | 2023-11-28 | 南方医科大学南方医院 | 基于人工智能的消化道肿瘤诊断辅助*** |
CN117132790B (zh) * | 2023-10-23 | 2024-02-02 | 南方医科大学南方医院 | 基于人工智能的消化道肿瘤诊断辅助*** |
Also Published As
Publication number | Publication date |
---|---|
WO2023015922A1 (zh) | 2023-02-16 |
US20230401828A1 (en) | 2023-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113705554A (zh) | 图像识别模型的训练方法、装置、设备及存储介质 | |
CN113657274B (zh) | 表格生成方法、装置、电子设备及存储介质 | |
CN112541332B (zh) | 表单信息抽取方法、装置、电子设备及存储介质 | |
CN113780098B (zh) | 文字识别方法、装置、电子设备以及存储介质 | |
CN113627439A (zh) | 文本结构化处理方法、处理装置、电子设备以及存储介质 | |
CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
CN113177449A (zh) | 人脸识别的方法、装置、计算机设备及存储介质 | |
CN114724166A (zh) | 一种标题抽取模型的生成方法、装置及电子设备 | |
CN113255501A (zh) | 生成表格识别模型的方法、设备、介质及程序产品 | |
CN113239807A (zh) | 训练票据识别模型和票据识别的方法和装置 | |
CN114090601B (zh) | 一种数据筛选方法、装置、设备以及存储介质 | |
US11881044B2 (en) | Method and apparatus for processing image, device and storage medium | |
CN113313114B (zh) | 证件信息获取方法、装置、设备以及存储介质 | |
CN113762109A (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
CN107168635A (zh) | 信息呈现方法和装置 | |
CN114092948A (zh) | 一种票据识别方法、装置、设备以及存储介质 | |
CN113610809A (zh) | 骨折检测方法、装置、电子设备以及存储介质 | |
CN113191261A (zh) | 图像类别的识别方法、装置和电子设备 | |
CN112839185A (zh) | 用于处理图像的方法、装置、设备和介质 | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN113627350B (zh) | 一种表格检测方法、装置、设备以及存储介质 | |
CN111428724B (zh) | 一种试卷手写统分方法、装置及存储介质 | |
CN114049686A (zh) | 签名识别模型训练方法、装置及电子设备 | |
CN113869317A (zh) | 车牌识别方法、装置、电子设备和存储介质 | |
CN113971810A (zh) | 文档生成方法、装置、平台、电子设备以及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |