[发明专利]文本识别方法、装置、设备和计算机可读介质

权利要求书

1.一种文本识别方法，其特征在于，包括：

在具有结构化文本的图像中，定位所述图像中的表格；

使用文本检测模型识别所述表格内的一个或多个候选文本框，其中，所述文本检测模型是基于单阶段多框检测器模型，采用一个或多个特征图以及与所述特征图对应的先验框而得到的模型，所述先验框是由先验框比例(scale)和先验框长宽比来定义的；

合并所述一个或多个候选文本框，

以识别合并后的文本框中的文本。

2.根据权利要求1所述文本识别方法，其特征在于，所述使用文本检测模型识别所述表格内的一个或多个候选文本框之前，还包括：

根据训练图像的长度、所述训练图像的宽度、所述先验框长宽比和所述先验框比例，计算所述先验框的长度和宽度；

将所述训练图像输入单阶段多框检测器模型，利用所述先验框和所述训练图像中的文本的最小外接框进行匹配，训练得到所述文本检测模型。

3.根据权利要求1或2所述文本识别方法，其特征在于，所述文本检测模型的基础网络为卷积神经网络VGG16中的前A层卷积层，A是大于等于4且小于等于15的整数。

4.根据权利要求1所述文本识别方法，其特征在于，所述先验框长宽比包括3、5、7、10和15中的一个或多个。

5.根据权利要求1所述文本识别方法，其特征在于，所述在具有结构化文本的图像中，定位所述图像中的表格，包括：

利用边缘检测算法确定二值化处理后的图像的边缘；

基于所述图像的边缘，通过霍夫变换过滤得到所述图像中的表格。

6.一种文本识别装置，其特征在于，包括：

表格识别模块，用于在具有结构化文本的图像中，定位所述图像中的表格；

文本框检测模块，用于使用文本检测模型识别所述表格内的一个或多个候选文本框，其中，所述文本检测模型是基于单阶段多框检测器模型，采用一个或多个特征图以及与所述特征图对应的先验框而得到的模型，所述先验框是由先验框比例(scale)和先验框长宽比来定义的；

文本框确定模块，用于合并所述一个或多个候选文本框，以识别合并后的文本框中的文本。

7.根据权利要求6所述文本识别装置，其特征在于，所述装置还包括模型训练模块：

所述模型训练模块根据训练图像的长度、所述训练图像的宽度、所述先验框长宽比和所述先验框比例，计算所述先验框的长度和宽度；

将所述训练图像输入单阶段多框检测器模型，利用所述先验框和所述训练图像中的文本的最小外接框进行匹配，训练得到所述文本检测模型。

8.根据权利要求6所述文本识别装置，其特征在于，所述文本检测模型的基础网络为卷积神经网络VGG16中的前A层卷积层，A是大于等于4且小于等于15的整数。

9.根据权利要求6所述文本识别装置，其特征在于，所述先验框长宽比包括3、5、7、10和15中的一个或多个。

10.根据权利要求6所述文本识别装置，其特征在于，还包括：

所述表格识别模块利用边缘检测算法确定二值化处理后的图像的边缘；

所述表格识别模块基于所述图像的边缘，通过霍夫变换过滤得到所述图像中的表格。

11.一种用于文本识别的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。