[发明专利]文本序列的识别方法及装置、电子设备和存储介质有效

专利信息
申请号: 201910927338.4 申请日: 2019-09-27
公开(公告)号: CN110659640B 公开(公告)日: 2021-11-30
发明(设计)人: 岳晓宇;旷章辉;孙红斌;宋小萌;张伟 申请(专利权)人: 深圳市商汤科技有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/34;G06K9/46;G06K9/62;G06N3/04
代理公司: 北京林达刘知识产权代理事务所(普通合伙) 11277 代理人: 刘新宇
地址: 518054 广东省深圳市*** 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: 文本 序列 识别 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种文本序列的识别方法,其特征在于,所述方法包括:

获取包含文本序列的待处理图像;

根据识别网络对所述待处理图像中的文本序列进行识别,得到构成所述文本序列的多个单字符,对所述多个单字符进行字符并行处理,得到识别结果;

所述根据识别网络对所述待处理图像中的文本序列进行识别,得到构成所述文本序列的多个单字符,包括:

根据所述识别网络中基于序列分割注意力规则的序列分割注意力模块中设置的树形网络结构,识别出所述待处理图像中构成所述文本序列的所述多个单字符。

2.根据权利要求1所述的方法,其特征在于,所述根据识别网络对所述待处理图像中的文本序列进行识别,得到构成所述文本序列的多个单字符,包括:

根据所述识别网络中设置的二叉树,识别出所述待处理图像中构成所述文本序列的所述多个单字符。

3.根据权利要求2所述的方法,其特征在于,所述根据所述识别网络中设置的二叉树,识别出所述待处理图像中构成所述文本序列的所述多个单字符,包括:

根据所述二叉树对所述待处理图像中的文本序列进行编码处理,得到文本序列中对应文本片段的二叉树节点特征;

根据所述二叉树对所述二叉树节点特征进行解码处理,识别出构成所述文本片段的所述多个单字符。

4.根据权利要求2-3任一项所述的方法,其特征在于,所述获取包含文本序列的待处理图像之后,所述方法还包括:

通过所述识别网络,提取所述待处理图像中的文本序列的图像特征,得到特征图,以根据所述特征图识别所述文本序列,得到构成所述文本序列的多个单字符。

5.根据权利要求4所述的方法,其特征在于,所述通过所述识别网络,提取所述待处理图像中的文本序列的图像特征,得到特征图,包括:

将所述待处理图像中的文本序列输入特征提取模块;

经所述特征提取模块的特征提取,得到所述特征图。

6.根据权利要求4所述的方法,其特征在于,所述根据所述二叉树对所述待处理图像中的文本序列进行编码处理,得到文本序列中对应文本片段的二叉树节点特征,包括:

将所述特征图输入基于序列分割注意力规则的序列分割注意力模块;

根据所述序列分割注意力模块包含的所述二叉树对所述特征图进行多通道选择,得到多个目标通道组;

根据所述多个目标通道组进行文本分割,得到文本序列中对应文本片段的二叉树节点特征。

7.根据权利要求6所述的方法,其特征在于,所述根据所述序列分割注意力模块包含的所述二叉树对所述特征图进行多通道选择,包括:

对所述特征图基于所述序列分割注意力规则进行处理,得到注意力特征矩阵后,根据所述二叉树对所述注意力特征矩阵进行多通道选择。

8.根据权利要求6所述的方法,其特征在于,所述根据所述多个目标通道组进行文本分割,得到文本序列中对应文本片段的二叉树节点特征,包括:

根据所述多个目标通道组进行文本分割,得到多个注意力特征图;

对所述特征图进行卷积处理,得到卷积处理结果;

将所述多个注意力特征图与所述卷积处理结果进行加权,根据加权结果得到文本序列中对应文本片段的二叉树节点特征。

9.根据权利要求3所述的方法,其特征在于,所述根据所述二叉树对所述二叉树节点特征进行解码处理,识别出构成所述文本片段的所述多个单字符,包括:

将所述二叉树和所述二叉树节点特征输入分类模块进行节点分类,得到分类结果;

根据所述分类结果,识别出构成所述文本片段的所述多个单字符。

10.根据权利要求9所述的方法,其特征在于,所述根据所述分类结果,识别出构成所述文本片段的所述多个单字符,包括:

所述分类结果为单字符对应特征的情况下,判断所述单字符对应特征的文本语义,以识别出所述单字符特征对应的语义分类。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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深圳市商汤科技有限公司,未经深圳市商汤科技有限公司许可,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/201910927338.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top