[发明专利]一种文本定位方法及装置、文本识别方法及装置

说明书

本申请提供了一种文本识别方法，属于文本识别技术领域，解决了现有技术文本识别过程中准确率低下的问题。所述方法包括：获取待识别文本行图像；将所述待识别文本行图像输入至预先训练的文本行识别模型，确定所述待识别文本行图像对应的文本行识别结果，所述文本行识别结果用于指示所述待识别文本行图像相应位置处的文本行属性；根据文本行识别结果确定所述待识别文本行图像中与所述文本行属性对应的图像区域。本申请公开的文本定位方法通过训练的文本行识别模型确定复杂排布的待识别文本行图像中不同文本行属性的文本的分布区域，有助于针对不同的文本区域采用与该文本区域的文本行属性对应的文本图像识别引擎进行识别，以提升文本识别的准确性。

技术领域

本申请涉及文本识别技术领域，尤其涉及一种文本定位方法及装置，文本识别方法及装置。

背景技术

文档图像识别过程通常是将行文本的图像，或者列文本图像输入至预先训练的文本图像识别引擎以得到相应的文本编码。列文本通过旋转90度得到行文本，因此，通常把行文本和列文本统称为行文本。

现有技术中的文本图像识别引擎是基于单行文本的图像或单列文本的图像进行训练的，因此，对于输入的文本图像中混合分布的单行文本和多行文本的情况，文本图像识别引擎均将其作为单行文本进行识别。

例如，古籍文档中，最常见的就是由单列正文文本和两列注释文本的文本行图像，而现有的文本图像识别引擎会将两列注释文本的文本行当做单行正文文本识别，显然，这单列文本行和多列文本行是不一样的，因此，这样就容易导致双列注释文本的文本行误判为单列正文文本，从而导致文本图像识别引擎对该列文本的图像的识别准确率较低。

综上，现有技术中在进行复杂排布的文本图像进行识别时，至少存在识别准确率低的问题。

发明内容

本申请实施例提供一种文本定位方法，有助于解决现有技术中文本识别方法存在的准确率低的问题。

第一方面，本申请实施例提供了一种文本定位方法，包括：

获取待识别文本行图像；

将所述待识别文本行图像输入至预先训练的文本行识别模型，确定所述待识别文本行图像对应的文本行识别结果，其中，所述文本行识别结果用于指示所述待识别文本行图像相应位置处的文本行属性；

根据文本行识别结果确定所述待识别文本行图像中与所述文本行属性对应的图像区域。

可选的，所述将所述待识别文本行图像输入至预先训练的文本行识别模型，确定所述待识别文本行图像对应的文本行识别结果的步骤之前，包括：

获取文本行识别模型的训练样本，其中，所述训练样本的样本数据为预设高度和预设宽度的文本行图像，所述训练样本的样本标签用于指示所述文本行图像中相应位置处的文本行属性；

以所述训练样本的样本数据作为所述文本行识别模型的输入，以所述文本行识别模型的输出与所述训练样本的样本标签的误差最小为目标，训练所述文本行识别模型，其中，所述文本行识别模型是基于卷积神经网络构建的。

可选的，获取文本行识别模型的训练样本的步骤，包括：

获取若干预设高度和预设宽度的文本行图像作为样本数据，构建样本数据集合；

对于所述样本数据集合中的每一条样本数据对应的文本行图像，通过按照预设步长移动指定滑窗对所述文本行图像沿图像宽度方向进行扫描，以根据扫描结果标记所述指定滑窗移动过程中顺序经过的各位置处所述文本行图像的文本行属性；

根据标记的所述指定滑窗移动过程中顺序经过的各位置处所述文本行图像的文本行属性，确定相应样本数据的样本标签；其中，所述指定滑窗的高度为所述文本行图像的所述预设高度的第一预设比例，所述指定滑窗的宽度为所述文本行图像的所述预设宽度的第二预设比例。