[发明专利]基于图片的字体识别方法、装置、电子设备及存储介质

权利要求书

1.一种基于图片的字体识别方法，其特征在于，包括：

获取待处理图片，得到所述待处理图片的宽度和高度；

对所述待处理图片进行缩放处理，分别得到第一图片和第二图片，其中所述第二图片的分辨率低于所述第一图片的分辨率；

将所述第一图片输入预先训练的第一卷积神经网络进行下采样，得到第一图片的特征图，将所述第二图片输入预先训练的第二卷积神经网络进行下采样，得到第二图片的特征图；

将所述第二图片的特征图输入到反卷积层进行上采样，得到第二图片上采样后的特征图；

将所述第一图片的特征图和所述第二图片上采样后的特征图进行连接，得到目标特征图；

将所述目标特征图输入到预先训练的深度学习网络模型中，识别所述待处理图片中的字体。

2.根据权利要求1所述的方法，其特征在于，所述预先训练好的第一卷积神经网络对所述第一图片的下采样倍数和所述预先训练好的第二卷积神经网络对所述第二图片的下采样倍数相同。

3.根据权利要求1所述的方法，其特征在于，所述预先训练的深度学习网络为双向长短期记忆神经网络BI-LSTM模型。

4.根据权利要求3所述的方法，其特征在于，所述预先训练的第一卷积神经网络、预先训练的第二卷积神经网络和预先训练的双向长短期记忆神经网络BI-LSTM模型的训练步骤，包括：

获取样本图片，标定所述样本图像中的文字，其中，所述样本图片为模糊文字图片；

获取第一卷积神经网络、第二卷积神经网络及BI-LSTM网络组成的级联模型；

将所述样本图片进行缩放处理，得到第一样本图片和第二样本图片，其中所述第二样本图片的分辨率低于所述第一样本图片的分辨率；

将所述第一样本图片和所述第二样本图片分别输入到第一卷积神经网络和第二卷积神经网络，分别对所述训练样本中的模糊文字图片进行特征提取，分别得到第一样本图片的特征图和第二样本图片的特征图，预先训练的第一卷积神经网络和预先训练的第二卷积神经网络；

将所述第二样本图片的特征图输入到反卷积层进行上采样，得到第二样本图片上采样后的特征图；

将所述第一样本图片的特征图和所述第二样本图片上采样后的特征图进行连接，得到目标样本特征图；

将目标样本特征图输入所述BI-LSTM模型进行训练，得到预先训练的BI-LSTM模型。

5.一种基于图片的字体识别装置，其特征在于，包括：

采集模块，被配置为获取待处理图片，得到所述待处理图片的宽度和高度；

缩放模块，被配置为对所述待处理图片进行缩放处理，分别得到第一图片和第二图片，其中所述第二图片的分辨率低于所述第一图片的分辨率；

特征提取模块，被配置为将所述第一图片输入预先训练的第一卷积神经网络进行下采样，得到第一图片的特征图，将所述第二图片输入预先训练的第二卷积神经网络进行下采样，得到第二图片的特征图；

反卷积模块，被配置为将所述第二图片的特征图输入到反卷积层进行上采样，得到第二图片上采样后的特征图；

连接模块，被配置为将所述第一图片的特征图和所述第二图片上采样后的特征图进行连接，得到目标特征图；

识别模块，被配置为将所述目标特征图输入到预先训练的深度学习网络模型中，识别所述待处理图片中的字体。

6.根据权利要求5所述的装置，其特征在于，所述预先训练好的第一卷积神经网络对所述第一图片的下采样倍数和所述预先训练好的第二卷积神经网络对所述第二图片的下采样倍数相同。

7.根据权利要求5所述的装置，其特征在于，所述预先训练的深度学习网络为双向长短期记忆神经网络BI-LSTM模型。