[发明专利]文本识别方法、装置、设备和计算机可读介质

说明书

本发明公开了一种文本识别方法、装置、设备和计算机可读介质，涉及计算机技术领域。该方法的一具体实施方式包括：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。该实施方式能够提高具有结构化文本的图像中的文本识别准确率和效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种文本识别方法、装置、设备和计算机可读介质。

背景技术

近来，随着计算机视觉技术的发展，采用光学字符识别(Optical CharacterRecognition，OCR)的文本识别技术的应用领域越来越广泛，如车牌识别、证件识别、交通标识文字识别等；并且在完成文本识别后，可在无键盘的情况下完成高速的文字转录任务，。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

应用场景的特殊性有助于提高文本识别效果，尤其是，对于其中文本主要被填充于表格中的图像——也即，具有结构化文本的图像，例如票据、发票等图像，可充分利用文本组织结构化的特点，来提高文本识别的效果。

发明内容

有鉴于此，本发明实施例提供一种文本识别方法、装置、设备和计算机可读介质，能够提高具有结构化文本的图像中的文本识别准确率和效率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种文本识别方法，包括：所述在文本检测模型中，采用一个或多个特征图，以及与所述特征图对应的先验框的长宽比，识别所述表格内的一个或多个文本框之前，还包括：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。

根据本发明实施例的一个方面，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。

根据本发明实施例的一个方面，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。

根据本发明实施例的一个方面，所述先验框长宽比包括3、5、7、10和15中的一个或多个。

根据本发明实施例的一个方面，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。

根据本发明实施例的第二方面，提供了一种文本识别装置，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。