[发明专利]中文模型训练、中文图像识别方法、装置、设备及介质

权利要求书

1.一种中文模型训练方法，其特征在于，包括：

获取训练手写中文图像；

将所述训练手写中文图像按预设比例划分成训练集和测试集；

对所述训练集中的训练手写中文图像进行顺序标注，并将标注好的训练手写中文图像输入到卷积神经网络-长短时记忆神经网络中进行训练，采用时序分类算法对所述卷积神经网络-长短时记忆神经网络的网络参数进行更新，获取原始手写字识别模型；

采用所述测试集中的训练手写中文图像对所述原始手写字识别模型进行测试，在测试准确率大于预设准确率时，获取目标手写字识别模型。

2.如权利要求1所述的中文模型训练方法，其特征在于，所述将标注好的训练手写中文图像输入到卷积神经网络-长短时记忆神经网络中进行训练，采用时序分类算法对所述卷积神经网络-长短时记忆神经网络的网络参数进行更新，获取原始手写字识别模型，包括：

在卷积神经网络中对所述训练手写中文图像进行特征提取，获取中文图像特征；

在长短时记忆神经网络的隐藏层采用第一激活函数对所述中文图像特征进行处理，获取携带激活状态标识的神经元；

在所述长短时记忆神经网络的隐藏层采用第二激活函数对所述携带激活状态标识的神经元进行处理，获取长短时记忆神经网络输出层的输出；

根据所述长短时记忆神经网络输出层的输出，采用时序分类算法对所述卷积神经网络-长短时记忆神经网络的网络参数进行更新，获取所述目标手写字识别模型。

3.如权利要求2所述的中文模型训练方法，其特征在于，所述时序分类算法的公式具体为：E_loss＝-ln∏_(x,z)∈Sp(z|x)，p(z|x)＝a(t,u)b(t,u)，其中，p(z|x)表示输入所述中文图像特征x，在所述长短时记忆神经网络输出层的输出为z的概率，a(t,u)表示第t时刻第u个顺序标签对应的所述中文图像特征在长短时记忆神经网络隐藏层的前向输出，b(t,u)表示第t时刻第u个顺序标签对应的所述中文图像特征在长短时记忆神经网络隐藏层的后向输出。

4.一种中文图像识别方法，其特征在于，包括

获取待识别中文图像，所述待识别中文图像包括手写汉字和背景图片；

对所述待识别中文图像进行预处理，获取原始图像；

采用核密度估计算法对所述原始图像进行处理，去除所述背景图片，获取包括所述手写汉字的目标图像；

采用文字定位技术对所述目标图像进行文字定位，获取待识别文字区域；

将待识别文字区域输入到目标手写字识别模型中进行识别，获取每一所述待识别文字区域对应的手写汉字；其中，目标手写字识别模型是采用权利要求1-3任意一项所述中文模型训练方法获取的。

5.如权利要求4所述的中文图像识别方法，其特征在于，采用核密度估计算法对所述原始图像进行处理，获取保留所述手写汉字的目标图像，包括：

对所述原始图像中的像素值进行统计，获取原始图像直方图；

采用高斯核密度估算方法对所述原始图像直方图进行处理，获取与原始图像直方图对应的至少一个频率极大值和至少一个频率极小值；

基于所述频率极大值和频率极小值对所述原始图像进行分层切分处理，获取分层图像；

基于所述分层图像，获取包括所述手写汉字的目标图像。

6.如权利要求5所述的中文图像识别方法，其特征在于，所述基于所述分层图像，获取包括所述手写汉字的目标图像，包括：

对所述分层图像进行二值化处理，获取二值化图像；

对所述二值化图像中的像素进行检测标记，获取所述二值化图像对应的连通区域；

对所述二值化图像对应的连通区域进行腐蚀和叠加处理，获取所述包括手写汉字的目标图像。