CN114495080A - 字体识别方法、装置、可读介质及电子设备 - Google Patents
字体识别方法、装置、可读介质及电子设备 Download PDFInfo
- Publication number
- CN114495080A CN114495080A CN202210023481.2A CN202210023481A CN114495080A CN 114495080 A CN114495080 A CN 114495080A CN 202210023481 A CN202210023481 A CN 202210023481A CN 114495080 A CN114495080 A CN 114495080A
- Authority
- CN
- China
- Prior art keywords
- image
- font
- target
- preset
- sub
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Character Discrimination (AREA)
Abstract
本公开涉及一种字体识别方法、装置、可读介质及电子设备,该字体识别方法通过该预设字体识别模型将该待识别图像划分为多个子图像,并获取每个该子图像对应的第一图像特征,根据该待识别图像中每个该子图像对应的该第一图像特征确定该待识别图像对应的第二图像特征,该第二图像特征包括该待识别图像中每个该子图像与其他子图像的上下文关联特征,根据该第二图像特征确定该目标文本对应的字体类型,这样,能够根据每个字图像与其他子图像的相关性更全面、更准确地描述该待识别图像,从而能够有效提升字体识别结果的准确性,也能够有效提高字体识别率。
Description
技术领域
本公开涉及计算机视觉处理领域,具体地,涉及一种字体识别方法、装置、可读介质及电子设备。
背景技术
在字体识别过程中,由于字体种类繁多(仅仅是中文汉字就存在着12000多种字体),且每个字体本身会存在多种特征,同一种字体的多种特征可能无法在一个字符上体现,因此会在不同的字符上体现相同或者不同的特征,并且不同字体在同一个字符上所表现的特征也可能存在很多相同或者相似特征,因此会导致字体的识别难度较大。相关技术中的字体识别方法,通常存在字体识别率较低,字体识别结果准确性较差的问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开提供一种字体识别方法、装置、可读介质及电子设备。
第一方面,本公开提供一种字体识别方法,所述方法包括:
获取待识别图像,所述待识别图像中包括目标文本;
将所述待识别图像输入预设字体识别模型,以使所述预设字体识别模型输出所述目标文本对应的字体类型;
其中,所述预设字体识别模型,用于将所述待识别图像划分为多个子图像,并获取每个所述子图像对应的第一图像特征,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,所述第二图像特征包括所述待识别图像中每个所述子图像与其他子图像的上下文关联特征,根据所述第二图像特征确定所述目标文本对应的字体类型。
第二方面,本公开提供一种字体识别装置,所述装置包括:
获取模块,被配置为获取待识别图像,所述待识别图像中包括目标文本;
确定模块,被配置为将所述待识别图像输入预设字体识别模型,以使所述预设字体识别模型输出所述目标文本对应的字体类型;
其中,所述预设字体识别模型,用于将所述待识别图像划分为多个子图像,并获取每个所述子图像对应的第一图像特征,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,所述第二图像特征包括所述待识别图像中每个所述子图像与其他子图像的上下文关联特征,根据所述第二图像特征确定所述目标文本对应的字体类型。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现以上第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现实现以上第一方面所述方法的步骤。
上述技术方案,通过将所述待识别图像输入预设字体识别模型,以使所述预设字体识别模型输出所述目标文本对应的字体类型;其中,所述预设字体识别模型,用于将所述待识别图像划分为多个子图像,并获取每个所述子图像对应的第一图像特征,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,所述第二图像特征包括所述待识别图像中每个所述子图像与其他子图像的上下文关联特征,根据所述第二图像特征确定所述目标文本对应的字体类型。这样,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,能够根据每个字图像与其他子图像的相关性更全面、更准确地描述该待识别图像,从而能够有效提升字体识别结果的准确性,也能够有效提高字体识别率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是本公开一示例性实施例示出的一种字体识别方法的流程图;
图2是本公开一示例性实施例示出的一种预设字体识别模型工作原理示意图;
图3是本公开一示例性实施例示出的一种TPA模块的工作原理示意图;
图4是本公开一示例性实施例示出的一种模型训练方法的流程图;
图5是本公开一示例性实施例示出的一种字体识别装置的框图;
图6是本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
在详细介绍本公开的具体实施方式之前,首先,对本公开的应用场景进行以下说明,本公开可以用于识别图像,文档中文本字体的过程中,相关技术的字体识别方法大致包括两类:一类是基于手工设计特征的字体识别,即利用人们的经验手工设计特征提取器来提取每个字符的特征,并以此进行字体分类,这类方法由于使用固定的手工特征表示字体特征,因此很容易丢失一些有用的字体信息,并且要想设计高准确率的特征描述子,一般需要仔细的工程设计和大量的领域专业知识,因此通常得到较为准确的特征描述子的难度较大,不利于获取到全面且准确的字体特征,从而也不利于提升最终字体识别结果准确性;另一类是基于深度学习的字体识别,即使用深度神经网络自动提取字体特征,并利用提取到的字体特征进行字体分类,这类基于深度学习的字体识别方案并未突破字体类别繁多的局限性,通常训练出来的深度学习模型,依然会存在字体识别率较低,识别结果准确性较差的问题。
为了解决以上技术问题,本公开提供了一种字体识别方法、装置、可读介质及电子设备,该字体识别方法通过将该待识别图像输入预设字体识别模型,以使该预设字体识别模型输出该目标文本对应的字体类型;其中,该预设字体识别模型,用于将该待识别图像划分为多个子图像,并获取每个该子图像对应的第一图像特征,根据该待识别图像中每个该子图像对应的该第一图像特征确定该待识别图像对应的第二图像特征,该第二图像特征包括该待识别图像中每个该子图像与其他子图像的上下文关联特征,根据该第二图像特征确定该目标文本对应的字体类型,由于根据该待识别图像中每个该子图像对应的该第一图像特征确定该待识别图像对应的第二图像特征,能够根据每个字图像与其他子图像的相关性更全面、更准确地描述该待识别图像,因此根据该第二图像特征确定该目标文本对应的字体类型能够有效保证字体识别结果的准确性,也能够有效提高字体识别率。
下面结合具体实施例对本公开的技术方案进行详细阐述。
图1是本公开一示例性实施例示出的一种字体识别方法的流程图;如图1所示,该方法可以包括以下步骤:
步骤101,获取待识别图像,该待识别图像中包括目标文本。
其中,该待识别图像中除包括该目标文本以外,还可以包括图像背景,由该图像背景与该目标文本形成该待识别图像。
步骤102,将该待识别图像输入预设字体识别模型,以使该预设字体识别模型输出该目标文本对应的字体类型。
其中,该预设字体识别模型,用于将该待识别图像划分为多个子图像,并获取每个该子图像对应的第一图像特征,根据该待识别图像中每个该子图像对应的该第一图像特征确定该待识别图像对应的第二图像特征,该第二图像特征包括该待识别图像中每个该子图像与其他子图像的上下文关联特征,根据该第二图像特征确定该目标文本对应的字体类型。
需要说明的是,该预设字体识别模型可以包括图像分割模块和多头注意力模块,该图像分割模块,用于将该待识别图像划分为多个子图像,并获取每个该子图像对应的第一图像特征,并将每个该子图像对应的该第一图像特征输入该多头注意力模块,以使该多头注意力模块获取该待识别图像中每个该子图像与其他子图像的上下文关联特征,从而得到该待识别图像对应的第二图像特征。其中,该图像分割模块在将该待识别图像划分为多个子图像时,可以按照预设的图像划分规则将该待识别图像划分为多个子图像,该图像划分规则可以是按照像素均分为多个子图像,也可以是将该待识别图像划分为多个预设像素比的子图像,还可以是按照图像纹理,将连续地,图像纹理较为相似的部分划分为一个子图像,从而得到多个子图像。该多头注意力模块可以参考现有技术中对多头注意力机制的相关描述,由于该多头注意力机制在现有技术中应用的比较多,相关技术也比较容易获取,因此本公开这里对此不再赘述。
示例地,图2是本公开一示例性实施例示出的一种预设字体识别模型工作原理示意图,如图2所示,先通过Batch模块创建多个数据集(每个数据集中包括多个字体识别图像),每个数据集作为一个训练数据集,然后将得到的每个训练数据集输入Backbone(主干网络),以获取每个字体识别图像的图像特征,然后通过该TPA(Temporal PyramidAttention,自注意力机制)根据该图像特征对该字体识别图像进行图像分割,以得到分割后每个子图像的第一图像特征,并将分割得到的子图像的第一图像特征进行拼接后送入该多头注意力模块,以使该多头注意力模块获取不同的子图像之间相互影响的上下文图像特征,(其中,该TPA的结构示意图可以如图3所示,图3是本公开一示例性实施例示出的一种TPA模块的工作原理示意图;)从而得到通过该上下文图像特征全面且准确的描述该字体识别图像,之后再通过MLP(Multilayer Perceptron,多层感知机)对该第二图像特征进行降维处理,以得到每个子图像对应的低维特征,例如将一个字体识别图像对应512维的特征变为64维的数据,即用一个64维的向量表示一个字体识别图像(即对每个字体识别图像进行embedding操作),从而得到每个字体识别图像的第二图像特征,根据每个训练数据集中字体识别图像对应的embedding结果(即每个字体识别图像的第二图像特征)计算每种可识别字体的代表特征(即通过该embedding space(嵌入间隔网络)获取该训练数据集中每个字体识别图像的第二图像特征的均值),将该第二图像特征的均值作为该训练数据集对应字体类型的代表特征,同理,可以得到多个字体类型对应的代表特征,在得到多个字体类型对应的代表特征之后,可以获取待识别图像,使该待识别图像通过该backbone(主干网络),该TPA模块以及MLP模块之后,得到该待识别图像对应的第二图像特征,并在该sampler(采样模块)分别计算多个字体类型对应的代表特征与该待识别图像对应的第二图像特征之间的欧式距离,根据该欧式距离确定该待识别图像中目标文本对应的字体类型。
另外,还需说明的是,以上所述的根据该第二图像特征确定该目标文本对应的字体类型的实施方式可以包括以下S1至S3所示的步骤:
S1,获取该第二图像特征与该预设字体识别模型对应的多种可识别字体中每种该可识别字体对应的代表特征之间的欧式距离,以得到该待识别图像与多种该可识别字体的代表特征的多个该欧式距离。
示例地,该预设字体识别模型能够识别N种字体,则该预设字体识别模型中包括这N种字体中每种字体的代表特征,例如,若字体A对应的代表特征为[a1 a2 … an],若字体B对应的代表特征为[b1 b2 … bn],当前待识别图像对应的第二图像特征为[x1 x2 … xn],则当前该待识别图像与该字体A的代表特征之间的欧式距离为当前该待识别图像与该字体B的代表特征之间的欧式距离为同理可以得到该待识别图像与预设字体识别模型中每种可识别字体的欧式距离,其中,在该预设字体识别模型中包括可识别字体的代表特征。
S2,从多个该欧式距离中确定最小的目标距离。
示例地,若该预设字体识别模型中包括6种可识别字体的代表特征,分别为字体A至字体F,其中,该待识别图像的第二图像特征与字体A的代表特征的欧式距离小于该待识别图像分别与字体B,字体C,字体D,字体E,以及字体F的代表特征的欧式距离,即该待识别图像的第二图像特征与字体A的代表特征的欧式距离为该目标距离。
S3,根据该目标距离确定该待识别图像中目标文本对应的字体类型。
本步骤中,一种可能的实施方式为:在该目标距离小于预设距离阈值的情况下,将计算该目标距离所用目标代表特征对应的目标字体类型作为该目标文本的字体类型。
仍以上述S2中所示步骤为例进行说明,在该待识别图像的第二图像特征与字体A的代表特征的欧式距离为该目标距离时,若该目标距离小于预设距离阈值,则将该字体A作为该待识别图像中目标文本对应的字体类型。
本步骤中,另一种可能的实施方式中,在确定该目标距离大于或者等于预设距离阈值的情况下,确定该目标文本对应的字体类型为新增字体。
仍以上述S2中所示步骤为例进行说明,在该待识别图像的第二图像特征与字体A的代表特征的欧式距离为该目标距离时,若该目标距离大于或者等于预设距离阈值,则确定该待识别图像中目标文本对应的字体类型为新增字体,即该预设字体识别模型无法识别到该待识别图像中目标文本对应的具体的字体类型。
以上技术方案,通过将该待识别图像输入预设字体识别模型,以使该预设字体识别模型输出该目标文本对应的字体类型;其中,该预设字体识别模型,用于将该待识别图像划分为多个子图像,并获取每个该子图像对应的第一图像特征,根据该待识别图像中每个该子图像对应的该第一图像特征确定该待识别图像对应的第二图像特征,该第二图像特征包括该待识别图像中每个该子图像与其他子图像的上下文关联特征,根据该第二图像特征确定该目标文本对应的字体类型,能够根据每个字图像与其他子图像的相关性更全面、更准确地描述该待识别图像,从而能够有效提升字体识别结果的准确性,也能够有效提高字体识别率。
可选地,该预设字体识别模型还用于通过以下S4至S6所示步骤实现对可识别字体类型的扩充,如下所示:
S4,获取目标新增字体的多个第一字体识别样本图像。
其中,该第一字体识别样本图像包括该目标新增字体的指定文本样本。
本步骤中,一种可能的实施方式可以包括:从预设字体语料库中获取该目标新增字体的指定文本样本;从预设背景库中获取目标背景图像;将该指定文本样本和该目标背景图像合成该第一字体识别样本图像。
需要说明的是,由于该第一字体识别样本图像中的指定文本样本中的字符均是从预设字体语料库中获取到该目标新增字体对应的字符,因此得到的该第一字体识别样本图像中的指定文本样本均为字体类型为该目标新增字体。
S5,获取每个该第一字体识别样本图像对应的第二图像特征。
本步骤中,可以将该第一字体识别样本图像输入该图像分割模型,使该图像分割模块将该第一字体识别样本图像划分为多个子图像,并获取每个该子图像对应的第一图像特征,并将每个该子图像对应的该第一图像特征输入该多头注意力模块,以使该多头注意力模块获取该第一字体识别样本图像中每个该子图像与其他子图像的上下文关联特征,从而得到该第一字体识别样本图像对应的第二图像特征。
S6,获取该多个第一字体识别样本图像对应的多个该第二图像特征的目标均值,将该目标均值作为该目标新增字体对应的目标代表特征,并存储该目标代表特征。
示例地,可以获取50个第一字体识别样本图像中每个第一体识别样本图像对应的第二图像特征,从而得到50个第二图像特征,将该50个第二图像特征的均值作为该新增字体对应的目标代表特征。
以上技术方案,不仅能够有效避免相关技术中,字体识别模型训练过程中训练数据获取难度大的问题,能够在无需真实标注数据的情况下,实现对多类别、多语种的字体类型的识别,并且能够针对未来出现的新增字体类型,实现快速扩展。
图4是本公开一示例性实施例示出的一种模型训练方法的流程图;如图4所示,该预设字体识别模型可以通过以下方式训练得到:
步骤401,获取多个第二字体识别样本图像,多个该第二字体识别样本图像包括多种第一字体类型的标注数据。
本步骤中,该第二字体识别样本图像的生成方式可以是,从预设字体语料库中获取该第一字体类型的字符;从预设背景库中获取指定背景图像;将该第一字体类型的字符和该指定背景图像合成该第二字体识别样本图像。其中,该预设字体语料库可以是中文简体预料库,中文繁体语料库,也可以是英文字体预料库。
步骤402,将该多个第二字体识别样本图像为第一训练数据集,对预设初始模型进行预训练,以得到第一待定模型。
其中,该预设初始模型可以包括图像分割初始模块和多头注意力初始模块。
本步骤中,可以建立多个字体类别识别任务,通过该第一训练数据集对该多个字体类别识别任务的模型进行训练,以得到该第一待定模型。
步骤403,获取多个第三字体识别样本图像,多个该第三字体识别样本图像包括多种第二字体类型的标注数据。
其中,该第一字体类型与该第二字体类型相同或不同。
需要说明的是,该第三字体识别样本图像的生成方式可以是,从预设字体语料库中获取该第二字体类型的字符;从预设背景库中获取需要的背景图像;将该第二字体类型的字符和需要的背景图像合成该第三字体识别样本图像,这样,能够有效降低字体识别模型训练过程中训练数据的获取难度。
步骤404,将该多个第三字体识别样本图像为第二训练数据集,对该第一待定模型进行训练,以得到该预设字体识别模型。
需要说明的是,以上模型训练的过程可以参考现有技术中元学习的过程,即通过以上步骤401至402作为meta-training阶段,使用合成数据集构造多个不同的分类任务,采用MAML(Model-Agnostic Meta-Learning)方式进行模型训练,以得到该第一待定模型,然后通过以上步骤403至404,作为meta-testing阶段,同样使用合成数据构造第二训练数据集,基于该第二训练数据集继续对该第一待定模型进行训练,能够有效提升预设字体识别模型的收敛速率,提高该预设字体识别模型的训练效率。
另外,还需说明的是,以上模型训练过程可以在线下进行,也可以在线上进行,在得到该预设字体识别模型之后,若出现新增字体类型,需要使该预设字体识别模型具备对该新增字体类型的识别能力时,只需要获取该新增字体类型的代表特征,并将其保存到该预设字体识别模型中,即可使该预设字体识别模型具备识别该新增字体类型的能力。
以上技术方案,能够有效避免相关技术中,字体识别模型训练过程中训练数据获取难度大的问题,能够在无需真实标注数据的情况下,实现对多类别、多语种的字体类型的识别,并且采用元学习的训练机制能够得到可以针对未来出现的新增字体类型,进行快速扩展的预设字体识别模型。
图5是本公开一示例性实施例示出的一种字体识别装置的框图;如图5所示,该装置可以包括:
获取模块501,被配置为获取待识别图像,该待识别图像中包括目标文本;
确定模块502,被配置为将该待识别图像输入预设字体识别模型,以使该预设字体识别模型输出该目标文本对应的字体类型;
其中,该预设字体识别模型,用于将该待识别图像划分为多个子图像,并获取每个该子图像对应的第一图像特征,根据该待识别图像中每个该子图像对应的该第一图像特征确定该待识别图像对应的第二图像特征,该第二图像特征包括该待识别图像中每个该子图像与其他子图像的上下文关联特征,根据该第二图像特征确定该目标文本对应的字体类型。
根据该待识别图像中每个该子图像对应的该第一图像特征确定该待识别图像对应的第二图像特征,能够根据每个字图像与其他子图像的相关性更全面、更准确地描述该待识别图像,因此根据该第二图像特征确定该目标文本对应的字体类型能够有效提升字体识别结果的准确性,也能够有效提高字体识别率。
可选地,该预设字体识别模型,用于:
获取该第二图像特征与该预设字体识别模型对应的多种可识别字体中每种该可识别字体对应的代表特征之间的欧式距离,以得到该待识别图像与多种该可识别字体的代表特征的多个该欧式距离;
从多个该欧式距离中确定最小的目标距离;
根据该目标距离确定该待识别图像中目标文本对应的字体类型。
可选地,该预设字体识别模型,用于:
在该目标距离小于预设距离阈值的情况下,将计算该目标距离所用目标代表特征对应的目标字体类型作为该目标文本的字体类型。
可选地,该预设字体识别模型,用于:
在确定该目标距离大于或者等于预设距离阈值的情况下,确定该目标文本对应的字体类型为新增字体。
可选地,该预设字体识别模型还用于:
获取目标新增字体的多个第一字体识别样本图像,该第一字体识别样本图像包括该目标新增字体的指定文本样本;
获取每个该第一字体识别样本图像对应的第二图像特征;
获取该多个第一字体识别样本图像对应的多个该第二图像特征的目标均值,将该目标均值作为该目标新增字体对应的目标代表特征,并存储该目标代表特征。
可选地,该预设字体识别模型,用于:
从预设字体语料库中获取该目标新增字体的指定文本样本;
从预设背景库中获取目标背景图像;
将该指定文本样本和该目标背景图像合成该第一字体识别样本图像。
可选地,该装置还包括模型训练模块503,被配置为:
获取多个第二字体识别样本图像,多个该第二字体识别样本图像包括多种第一字体类型的标注数据;
将该多个第二字体识别样本图像为第一训练数据集,对预设初始模型进行预训练,以得到第一待定模型,该预设初始模型包括图像分割初始模块和多头注意力初始模块;
获取多个第三字体识别样本图像,多个该第三字体识别样本图像包括多种第二字体类型的标注数据,该第一字体类型与该第二字体类型相同或不同;
将该多个第三字体识别样本图像为第二训练数据集,对该第一待定模型进行训练,以得到该预设字体识别模型。
以上技术方案,能够有效避免相关技术中,字体识别模型训练过程中训练数据获取难度大的问题,能够在无需真实标注数据的情况下,实现对多类别、多语种的字体类型的识别,并且采用元学习的训练机制能够得到可以针对未来出现的新增字体类型,进行快速扩展的预设字体识别模型。
下面参考图6,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,可以利用诸如HTTP(HyperText Transfer Protocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取待识别图像,所述待识别图像中包括目标文本;将所述待识别图像输入预设字体识别模型,以使所述预设字体识别模型输出所述目标文本对应的字体类型;其中,所述预设字体识别模型,用于将所述待识别图像划分为多个子图像,并获取每个所述子图像对应的第一图像特征,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,所述第二图像特征包括所述待识别图像中每个所述子图像与其他子图像的上下文关联特征,根据所述第二图像特征确定所述目标文本对应的字体类型。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“获取待识别图像,所述待识别图像中包括目标文本”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
根据本公开的一个或多个实施例,示例1提供了一种字体识别方法,所述方法包括:
获取待识别图像,所述待识别图像中包括目标文本;
将所述待识别图像输入预设字体识别模型,以使所述预设字体识别模型输出所述目标文本对应的字体类型;
其中,所述预设字体识别模型,用于将所述待识别图像划分为多个子图像,并获取每个所述子图像对应的第一图像特征,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,所述第二图像特征包括所述待识别图像中每个所述子图像与其他子图像的上下文关联特征,根据所述第二图像特征确定所述目标文本对应的字体类型。
根据本公开的一个或多个实施例,示例2提供了示例1所述的方法,所述根据所述第二图像特征确定所述目标文本对应的字体类型,包括:
获取所述第二图像特征与所述预设字体识别模型对应的多种可识别字体中每种所述可识别字体对应的代表特征之间的欧式距离,以得到所述待识别图像与多种所述可识别字体的代表特征的多个所述欧式距离;
从多个所述欧式距离中确定最小的目标距离;
根据所述目标距离确定所述待识别图像中目标文本对应的字体类型。
根据本公开的一个或多个实施例,示例3提供了示例2所述的方法,所述根据所述目标距离确定所述待识别图像中目标文本对应的字体类型,包括:
在所述目标距离小于预设距离阈值的情况下,将计算所述目标距离所用目标代表特征对应的目标字体类型作为所述目标文本的字体类型。
根据本公开的一个或多个实施例,示例4提供了示例2所述的方法,所述根据所述目标距离确定所述待识别图像中目标文本对应的字体类型,包括:
在确定所述目标距离大于或者等于预设距离阈值的情况下,确定所述目标文本对应的字体类型为新增字体。
根据本公开的一个或多个实施例,示例5提供了示例1所述的方法,所述预设字体识别模型还用于:
获取目标新增字体的多个第一字体识别样本图像,所述第一字体识别样本图像包括所述目标新增字体的指定文本样本;
获取每个所述第一字体识别样本图像对应的第二图像特征;
获取所述多个第一字体识别样本图像对应的多个所述第二图像特征的目标均值,将所述目标均值作为所述目标新增字体对应的目标代表特征,并存储所述目标代表特征。
根据本公开的一个或多个实施例,示例6提供了示例5所述的方法,所述获取目标新增字体的多个第一字体识别样本图像,包括:
从预设字体语料库中获取所述目标新增字体的指定文本样本;
从预设背景库中获取目标背景图像;
将所述指定文本样本和所述目标背景图像合成所述第一字体识别样本图像。
根据本公开的一个或多个实施例,示例7提供了示例1-6任一项所述的方法,所述预设字体识别模型通过以下方式训练得到:
获取多个第二字体识别样本图像,多个所述第二字体识别样本图像包括多种第一字体类型的标注数据;
将所述多个第二字体识别样本图像为第一训练数据集,对预设初始模型进行预训练,以得到第一待定模型,所述预设初始模型包括图像分割初始模块和多头注意力初始模块;
获取多个第三字体识别样本图像,多个所述第三字体识别样本图像包括多种第二字体类型的标注数据,所述第一字体类型与所述第二字体类型相同或不同;
将所述多个第三字体识别样本图像为第二训练数据集,对所述第一待定模型进行训练,以得到所述预设字体识别模型。
根据本公开的一个或多个实施例,示例8提供了一种字体识别装置,所述装置包括:
获取模块,被配置为获取待识别图像,所述待识别图像中包括目标文本;
确定模块,被配置为将所述待识别图像输入预设字体识别模型,以使所述预设字体识别模型输出所述目标文本对应的字体类型;
其中,所述预设字体识别模型,用于将所述待识别图像划分为多个子图像,并获取每个所述子图像对应的第一图像特征,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,所述第二图像特征包括所述待识别图像中每个所述子图像与其他子图像的上下文关联特征,根据所述第二图像特征确定所述目标文本对应的字体类型。
根据本公开的一个或多个实施例,示例9提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现以上示例1-7中任一项所述方法的步骤。
根据本公开的一个或多个实施例,示例10提供了一种电子设备,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现以上示例1-7中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (10)
1.一种字体识别方法,其特征在于,所述方法包括:
获取待识别图像,所述待识别图像中包括目标文本;
将所述待识别图像输入预设字体识别模型,以使所述预设字体识别模型输出所述目标文本对应的字体类型;
其中,所述预设字体识别模型,用于将所述待识别图像划分为多个子图像,并获取每个所述子图像对应的第一图像特征,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,所述第二图像特征包括所述待识别图像中每个所述子图像与其他子图像的上下文关联特征,根据所述第二图像特征确定所述目标文本对应的字体类型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二图像特征确定所述目标文本对应的字体类型,包括:
获取所述第二图像特征与所述预设字体识别模型对应的多种可识别字体中每种所述可识别字体对应的代表特征之间的欧式距离,以得到所述待识别图像与多种所述可识别字体的代表特征的多个所述欧式距离;
从多个所述欧式距离中确定最小的目标距离;
根据所述目标距离确定所述待识别图像中目标文本对应的字体类型。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标距离确定所述待识别图像中目标文本对应的字体类型,包括:
在所述目标距离小于预设距离阈值的情况下,将计算所述目标距离所用目标代表特征对应的目标字体类型作为所述目标文本的字体类型。
4.根据权利要求2所述的方法,其特征在于,所述根据所述目标距离确定所述待识别图像中目标文本对应的字体类型,包括:
在确定所述目标距离大于或者等于预设距离阈值的情况下,确定所述目标文本对应的字体类型为新增字体。
5.根据权利要求1所述的方法,其特征在于,所述预设字体识别模型还用于:
获取目标新增字体的多个第一字体识别样本图像,所述第一字体识别样本图像包括所述目标新增字体的指定文本样本;
获取每个所述第一字体识别样本图像对应的第二图像特征;
获取所述多个第一字体识别样本图像对应的多个所述第二图像特征的目标均值,将所述目标均值作为所述目标新增字体对应的目标代表特征,并存储所述目标代表特征。
6.根据权利要求5所述的方法,其特征在于,所述获取目标新增字体的多个第一字体识别样本图像,包括:
从预设字体语料库中获取所述目标新增字体的指定文本样本;
从预设背景库中获取目标背景图像;
将所述指定文本样本和所述目标背景图像合成所述第一字体识别样本图像。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述预设字体识别模型通过以下方式训练得到:
获取多个第二字体识别样本图像,多个所述第二字体识别样本图像包括多种第一字体类型的标注数据;
将所述多个第二字体识别样本图像为第一训练数据集,对预设初始模型进行预训练,以得到第一待定模型,所述预设初始模型包括图像分割初始模块和多头注意力初始模块;
获取多个第三字体识别样本图像,多个所述第三字体识别样本图像包括多种第二字体类型的标注数据,所述第一字体类型与所述第二字体类型相同或不同;
将所述多个第三字体识别样本图像为第二训练数据集,对所述第一待定模型进行训练,以得到所述预设字体识别模型。
8.一种字体识别装置,其特征在于,所述装置包括:
获取模块,被配置为获取待识别图像,所述待识别图像中包括目标文本;
确定模块,被配置为将所述待识别图像输入预设字体识别模型,以使所述预设字体识别模型输出所述目标文本对应的字体类型;
其中,所述预设字体识别模型,用于将所述待识别图像划分为多个子图像,并获取每个所述子图像对应的第一图像特征,根据所述待识别图像中每个所述子图像对应的所述第一图像特征确定所述待识别图像对应的第二图像特征,所述第二图像特征包括所述待识别图像中每个所述子图像与其他子图像的上下文关联特征,根据所述第二图像特征确定所述目标文本对应的字体类型。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210023481.2A CN114495080A (zh) | 2022-01-10 | 2022-01-10 | 字体识别方法、装置、可读介质及电子设备 |
PCT/CN2022/138914 WO2023130925A1 (zh) | 2022-01-10 | 2022-12-14 | 字体识别方法、装置、可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210023481.2A CN114495080A (zh) | 2022-01-10 | 2022-01-10 | 字体识别方法、装置、可读介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114495080A true CN114495080A (zh) | 2022-05-13 |
Family
ID=81509720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210023481.2A Pending CN114495080A (zh) | 2022-01-10 | 2022-01-10 | 字体识别方法、装置、可读介质及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114495080A (zh) |
WO (1) | WO2023130925A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023130925A1 (zh) * | 2022-01-10 | 2023-07-13 | 北京有竹居网络技术有限公司 | 字体识别方法、装置、可读介质及电子设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020133442A1 (zh) * | 2018-12-29 | 2020-07-02 | 华为技术有限公司 | 一种识别文本的方法及终端设备 |
CN109978078B (zh) * | 2019-04-10 | 2022-03-18 | 厦门元印信息科技有限公司 | 字体版权检测方法、介质、计算机设备及装置 |
CN113111871B (zh) * | 2021-04-21 | 2024-04-19 | 北京金山数字娱乐科技有限公司 | 文本识别模型的训练方法及装置、文本识别方法及装置 |
CN113128442B (zh) * | 2021-04-28 | 2023-09-26 | 华南师范大学 | 基于卷积神经网络的汉字书法风格识别方法和评分方法 |
CN113591831A (zh) * | 2021-07-26 | 2021-11-02 | 西南大学 | 一种基于深度学习的字体识别方法、***及存储介质 |
CN114495080A (zh) * | 2022-01-10 | 2022-05-13 | 北京有竹居网络技术有限公司 | 字体识别方法、装置、可读介质及电子设备 |
-
2022
- 2022-01-10 CN CN202210023481.2A patent/CN114495080A/zh active Pending
- 2022-12-14 WO PCT/CN2022/138914 patent/WO2023130925A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023130925A1 (zh) * | 2022-01-10 | 2023-07-13 | 北京有竹居网络技术有限公司 | 字体识别方法、装置、可读介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023130925A1 (zh) | 2023-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113313064A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN110659639B (zh) | 汉字识别方法、装置、计算机可读介质及电子设备 | |
CN112364829B (zh) | 一种人脸识别方法、装置、设备及存储介质 | |
CN112883968B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN113033580B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN113222983A (zh) | 图像处理方法、装置、可读介质和电子设备 | |
CN112883966B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
CN112766284B (zh) | 图像识别方法和装置、存储介质和电子设备 | |
CN113449070A (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN112800961B (zh) | 笔画书写顺序检测方法、装置、介质和电子设备 | |
CN113140012B (zh) | 图像处理方法、装置、介质及电子设备 | |
CN112990176B (zh) | 书写质量评价方法、装置和电子设备 | |
CN110674813B (zh) | 汉字识别方法、装置、计算机可读介质及电子设备 | |
CN114495080A (zh) | 字体识别方法、装置、可读介质及电子设备 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN115937888A (zh) | 文档比对方法、装置、设备和介质 | |
CN114612909A (zh) | 字符识别方法、装置、可读介质及电子设备 | |
CN115115836A (zh) | 图像识别方法、装置、存储介质以及电子设备 | |
CN114429628A (zh) | 图像处理方法、装置、可读存储介质及电子设备 | |
CN114463768A (zh) | 表格识别方法、装置、可读介质和电子设备 | |
CN113936271A (zh) | 文本识别方法、装置、可读介质及电子设备 | |
CN114004229A (zh) | 文本识别方法、装置、可读介质及电子设备 | |
CN113222050A (zh) | 图像分类方法、装置、可读介质及电子设备 | |
CN112418233A (zh) | 图像处理方法、装置、可读介质及电子设备 |
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 |