[发明专利]图像识别方法、装置、计算机设备和存储介质

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

将原始图像输入图像检测模型，并根据所述图像检测模型的输出结果得到目标图像；

将所述目标图像输入文本初始检测模型，得到所述目标图像中的字段域和字符框；

将得到的所述目标图像中的字段域输入字段识别模型，得到所述目标图像的字段识别结果；

将得到的所述目标图像中的字符框输入字符识别模型，得到所述目标图像的字符识别结果；

根据所述字段识别结果和所述字符识别结果得到图像识别结果；

所述图像检测模型包括第一图像检测模型和第二图像检测模型，所述将原始图像输入图像检测模型，并根据所述图像检测模型的输出结果得到目标图像，包括：

将所述原始图像输入第一图像检测模型，得到所述原始图像的特征图；

根据所述原始图像的特征图对所述原始图像进行修正，得到初始处理图像；

将所述初始处理图像输入第二图像检测模型，得到所述初始处理图像中目标区域的顶点坐标；

根据所述初始处理图像中目标区域的顶点坐标对所述初始处理图像进行修正，得到所述目标图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述原始图像输入第一图像检测模型，得到所述原始图像的特征图；根据所述原始图像的特征图对所述原始图像进行修正，得到初始处理图像包括：

将所述原始图像输入所述第一图像检测模型，通过所述第一图像检测模型中的特征金字塔网络对所述原始图像进行特征提取，得到所述原始图像中目标区域的热图和倾斜角度图；

根据所述原始图像中目标区域的热图和倾斜角度图对所述原始图像进行修正，得到初始处理图像。

3.根据权利要求1所述的方法，其特征在于，所述第二图像检测模型包括：特征提取网络以及与所述特征提取网络连接的输出层，其中，所述特征提取网络包括ResNet网络，和/或，ResNet-inception混合网络。

4.根据权利要求1所述的方法，其特征在于，

若所述第二图像检测模型的特征提取层包括ResNet网络，则所述将所述初始处理图像输入第二图像检测模型，得到所述初始处理图像中目标区域的顶点坐标，包括：

通过所述ResNet网络的ResNet block进行特征提取，得到特征提取结果，并将所述特征提取结果输入所述第二图像检测模型的输出层，输出初始处理图像中目标区域的顶点坐标；和/或，

若所述第二图像检测模型的特征提取层包括ResNet-inception混合网络，则所述将所述初始处理图像输入第二图像检测模型，得到所述初始处理图像中目标区域的顶点坐标包括：

通过所述ResNet-inception混合网络的ResNet block和inception block进行特征提取，得到特征提取结果，并将所述特征提取结果输入所述第二图像检测模型的输出层，输出初始处理图像中目标区域的顶点坐标。

5.根据权利要求1所述的方法，其特征在于，所述文本初始检测模型包含：EAST模型以及与所述EAST模型的特征提取网络连接的字段域识别神经网络；其中，所述字段域识别神经网络用于基于所述EAST模型的特征提取网络的输出结果，进行字段域识别。

6.根据权利要求1所述的方法，其特征在于，所述将所述目标图像输入文本初始检测模型，得到所述目标图像中的字段域和字符框，包括：

将所述目标图像输入文本初始检测模型，所述文本初始检测模型中的EAST模型的特征提取网络对输入的所述目标图像进行特征提取，得到所述目标图像的特征图；

将所述目标图像的特征图输入所述EAST模型的特征融合层，得到融合后的特征图，并将所述融合后的特征图输入所述EAST模型的输出层，得到所述目标图像中的字符框；

将所述目标图像的特征图输入与所述EAST模型的特征提取网络连接的字段域识别神经网络，输出所述目标图片的字段域检测结果。