[发明专利]语文作业题目文字识别方法、搜索方法、服务器及系统

权利要求书

1.一种语文作业题目文字识别方法，其特征在于，包括：

图像输入步骤：输入待处理的语文作业图片；

文字行检测步骤：采用第一神经网络模型对待处理的语文作业图片进行文字行检测，得到待处理的语文作业图片中的每行文字图像的坐标位置；

图片预处理步骤：将经过文字行检测的待处理语文作业图片作为第一图片，所述第一图片中包含文字行区域，对所述第一图片进行图像尺寸归一化和灰度化处理，得到灰度图像；

文字识别步骤：采用第二神经网络模型对所述灰度图像进行每一行的文字识别，得到每一行的文字内容；

行文字结果整合步骤：针对识别出的每一行的文字内容，根据行的位置关系进行文本整合，得到题目文本内容。

2.如权利要求1所述的语文作业题目文字识别方法，其特征在于，所述第一神经网络模型的具体实现为：

在VGG-16网络的最后一个卷积层后增加一层Bi-LSTM层，最后的网络全连接层中分别采用Softmax和逻辑回归作为网络最后的损失函数；

模型中采用极大值抑制算法筛选出最佳的文字行区域；

指定迭代次数为40epoch；

模型停止训练后，根据每次epoch的计算结果筛选出最佳权重参数，并保存所述最佳权重参数。

3.如权利要求1或2所述的语文作业题目文字识别方法，其特征在于，所述第二神经网络模型的具体实现为：

在深度残差网络模型的最后的网络全连接层中采用CTC作为网络训练过程中的损失函数；

指定迭代次数为20epoch；

模型停止训练后，根据每次epoch的计算结果筛选出最佳权重参数，并保存所述最佳权重参数。

4.一种语文作业题目文字识别装置，其特征在于，包括：

图片输入单元，用于输入待处理的语文作业图片；

文字行检测单元，用于采用第一神经网络模型对待处理的语文作业图片进行文字行检测，得到待处理的语文作业图片中的每行文字图像的坐标位置；

图片预处理单元，用于将经过文字行检测的待处理语文作业图片作为第一图片，所述第一图片中包含文字行区域，对所述第一图片进行图像尺寸归一化和灰度化处理，得到灰度图像；

文字识别单元，用于采用第二神经网络模型对所述灰度图像进行每一行的文字识别，得到每一行的文字内容；

整合单元，用于针对识别出的每一行的文字内容，根据行的位置关系进行文本整合，得到题目文本内容。

5.一种语文作业题目快速搜索方法，其特征在于，包括：

接收客户端发送的待处理的语文作业图片；

对待处理的语文作业图片进行文字识别，以得到待搜索的题目文本内容；

获取搜索集群可分配资源，将待搜索的题目文本内容分配给预设数量的执行单元，使得执行单元在对应的语文题目搜索数据库中进行分布式搜索；

待所有执行单元完成分布式搜索后，挑选出相似度最高的题目作为待处理的语文作业图片对应的搜索结果；

将所述搜索结果返回至所述客户端进行展示。

6.如权利要求5所述的语文作业题目快速搜索方法，其特征在于，对待处理的语文作业图片进行文字识别，以得到待搜索的题目文本内容，具体为：

图像输入步骤：输入待处理的语文作业图片；

文字行检测步骤：采用第一神经网络模型对待处理的语文作业图片进行文字行检测，得到待处理的语文作业图片中的每行文字图像的坐标位置；

图片预处理步骤：将经过文字行检测的待处理语文作业图片作为第一图片，所述第一图片中包含文字行区域，对所述第一图片进行图像尺寸归一化和灰度化处理，得到灰度图像；

文字识别步骤：采用第二神经网络模型对所述灰度图像进行每一行的文字识别，得到每一行的文字内容；

行文字结果整合步骤：针对识别出的每一行的文字内容，根据行的位置关系进行文本整合，得到题目文本内容。

7.如权利要求6所述的语文作业题目快速搜索方法，其特征在于，所述搜索方法还包括：

将客户端发送的待处理的语文作业图片和本次搜索结果存储关系型数据库，以作为历史搜索记录查询和数据分析使用。