[发明专利]训练数据生成方法和装置、以及模型的训练方法和装置有效
申请号: | 201910211469.2 | 申请日: | 2019-03-20 |
公开(公告)号: | CN109978044B | 公开(公告)日: | 2021-03-19 |
发明(设计)人: | 戴亦斌;谢春鸿 | 申请(专利权)人: | 广州云测信息技术有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/34 |
代理公司: | 北京国昊天诚知识产权代理有限公司 11315 | 代理人: | 刘昕;南霆 |
地址: | 510260 广东省广州市中*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 训练 数据 生成 方法 装置 以及 模型 | ||
本发明公开一种针对文本识别模型的训练数据生成方法及装置,以及一种针对文本识别模型的训练数据生成方法及装置,在收集训练数据时,结合文本控件对于文本区域的全面覆盖,以及布局识别对于图像元素进行无多余范围的准确识别,可以从包含文本的样本图像中,较为准确地裁剪出包含文本的目标区域,以及对应的文本内容,通过这种方式可以较为高效、准确地收集训练数据。而在进行模型训练时,可以以单行文本作为辅助训练文本,通过将单行文本附着在模拟应用场景的背景图像中,从而裁剪出包含单行文本的辅助训练图像。据此,可以将模拟出的辅助训练数据和实际收集到的训练数据进行结合,对文本识别模型进行训练,进而提高训练后模型的性能。
技术领域
本发明涉及计算机技术领域,尤其涉及一种针对文本识别模型的训练数据生成方法和装置,以及一种文本识别模型的训练方法和装置。
背景技术
深度学习是机器学习中一种基于对数据进行表征学习的方法,随着深入研究,领域内兴起了一种端到端深度学习(end-to-end learning)的方式,区别于传统的机器学习中由多个阶段分别处理的方法,端到端深度学习忽略多个不同的阶段,通过单个神经网络实现模型训练。
对于训练文本识别模型而言,可以将大量的包含文本的图像和对应的文本作为训练数据输入,训练时不再需要通过分词、特征匹配、拼接等多个阶段,而是通过神经网络直接学习图像和文本之间的内在联系,使训练后的模型可以根据包含文本的图像识别出文本结果,且相对于传统的机器学习,端到端深度学习往往具有更好的效果。
然而,为了达到更好的效果,端到端深度学习通常需要大量的训练数据。对于训练文本识别模型的而言,目前收集训练数据的方式是以人工标注为主,具体可以在应用界面、网页等包含文本的图像中,人工框选出包含文本的图像,并标注出对应的文本。但人工标注在数量和质量上往往存在较大的问题,严重影响训练数据的收集效率,也就导致了模型训练的效果。所以,至少需要提供一种方案,可以较为高效、准确地收集训练数据。
发明内容
本发明实施例提供一种针对文本识别模型的训练数据生成方法和装置,用于较为高效、准确地收集用于训练文本识别模型的训练数据。
本发明实施例还提供一种文本识别模型的训练方法和装置,用于提高文本识别模型的训练效果。
为解决上述技术问题,本发明实施例是这样实现的:
本发明实施例采用下述技术方案:
一种针对文本识别模型的训练数据生成方法,包括:
获取包含文本内容的样本图像中的文本控件信息,所述文本控件信息中包含文本区域、以及对应的文本内容;
对所述样本图像进行布局识别,得到包含图像元素的候选区域;
将包含在所述文本区域内的候选区域,确定为目标区域,并将所述文本区域对应的文本内容确定为训练文本;
根据所述目标区域从所述样本图像中裁剪出包含所述训练文本的训练图像;
根据所述训练图像以及所述训练文本生成训练数据。
一种针对文本识别模型的训练数据生成装置,包括:获取单元、识别单元、确定单元、裁剪单元、以及生成单元,其中,
所述获取单元,用于获取包含文本内容的样本图像中的文本控件信息,所述文本控件信息中包含文本区域、以及对应的文本内容;
所述识别单元,用于对所述样本图像进行布局识别,得到包含图像元素的候选区域;
所述确定单元,用于将包含在所述文本区域内的候选区域,确定为目标区域,并将所述文本区域对应的文本内容确定为训练文本;
所述裁剪单元,用于根据所述目标区域从所述样本图像中裁剪出包含所述训练文本的训练图像;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州云测信息技术有限公司,未经广州云测信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910211469.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种目标检测方法及装置
- 下一篇:一种目标跟踪方法、装置和无人机
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置