[发明专利]文本串识别方法、装置及电子设备

权利要求书

1.一种文本串识别方法，其特征在于，该方法包括：

依据目标图像的图像特征图确定S*S个通道的通道特征图；每一通道的通道特征图用于表征所述目标图像中与该通道对应的图像块相关联的文本串位置；所述S*S个通道为已被配置的通道；所述目标图像被划分为与所述S*S个通道中每一通道对应的图像块；

依据所述S*S个通道的通道特征图识别所述文本串位置上的目标文本串。

2.根据权利要求1所述的方法，其特征在于，所述依据目标图像的图像特征图确定S*S个通道的通道特征图包括：

将所述目标图像的图像特征图输入至已训练的文本识别模型中的第一空间注意力模块以得到S*S个通道的通道特征图；所述第一空间注意力模块用于利用已训练的文本串位置监督信息并基于输入的所述图像特征图得到S*S个通道分别对应的通道特征图，所述S*S个通道为所述第一空间注意力模块被配置的通道。

3.根据权利要求1所述的方法，其特征在于，所述依据目标图像的图像特征图确定S*S个通道的通道特征图包括：

将所述目标图像的图像特征图输入至已训练的文本识别模型中的第二空间注意力模块以学习到S*S个通道的通道特征图；所述第二空间注意力模块用于利用已训练的单字位置监督信息并基于输入的所述图像特征图学习S*S个通道的通道特征图，每一通道的通道特征图包括L个单字位置分割图，每一单字位置分割图用于表征对应的单字位置；每一通道的通道特征图包含的L个单字位置分割图对应的单字位置组成所述目标图像中与该通道对应的图像块相关联的文本串位置；L为已配置的单一文本串最大长度，所述S*S个通道为所述第二空间注意力模块被配置的通道。

4.根据权利要求1至3任一所述的方法，其特征在于，所述依据所述S*S个通道的通道特征图识别所述文本串位置上的目标文本串包括：

将所述S*S个通道的通道特征图与所述图像特征图进行融合得到融合特征图；

依据所述融合特征图识别所述文本串位置上的目标文本串。

5.根据权利要求4所述的方法，其特征在于，所述将所述S*S个通道的通道特征图与所述图像特征图进行融合得到融合特征图包括：

将所述S*S个通道的通道特征图、以及所述图像特征图输入至已训练的文本识别模型中的注意力融合模块得到融合特征图；所述注意力融合模块用于通过对输入的所述S*S个通道分别对应的通道特征图、以及所述图像特征图进行设定矩阵运算得到所述融合特征图。

6.根据权利要求4所述的方法，其特征在于，所述依据融合特征图识别所述文本串位置上的目标文本串包括：

基于所述融合特征图预测所述目标图像中各文本串位置上的预测文本串得到文本串预测结果；所述文本串预测结果包括所述目标图像中各图像块相关联的文本串位置上的预测文本串；

依据所述文本串预测结果识别所述文本串位置上的目标文本串。

7.根据权利要求6所述的方法，其特征在于，所述基于所述融合特征图预测所述目标图像中各图像块相关联的文本串位置上的预测文本串得到文本串预测结果包括：

将所述融合特征图输入至已训练的文本识别模型中的全图识别模块得到所述目标图像中各图像块相关联的文本串位置上的预测文本串得到文本串预测结果；所述全图识别模块用于针对所述目标图像中各图像块相关联的文本串位置，预测该文本串位置中每一单字位置上的单字为已配置的文本识别场景字典中各单字的概率，并依据所述概率从所述文本识别场景字典中选取概率最大的一个单字作为该单字位置上的预测单字，按照顺序将该文本串位置中各单字位置上的预测单字拼接成该文本串位置上的预测文本串。