[发明专利]多字体样本合成方法、装置、电子设备和存储介质

说明书

本申请提供一种多字体样本合成方法、装置、电子设备和存储介质，用以提升语料质量、有效模拟真实样本，节省样本合成时间和模型训练时间。多字体样本合成方法，包括：获取原始语料图像，提取原始语料图像中的语料样本；根据预设字符集，为语料样本配置字体；根据语料样本和字体，设置画布；在画布上将语料样本中的文字按照预设角度进行拼接，合成语料字体图片。

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种多字体样本合成方法、装置、电子设备和存储介质。

背景技术

随着图像处理技术的不断发展，用于文本识别的训练样本合成方法，可以替代真实样本、广泛应用于文本识别模型训练。目前业内多采用一张图片上一段文字使用同一字体、并随机旋转的方法，合成图像训练样本。

目前常见的一张图片上一段文字仅使用一种字体的样本合成技术中，存在以下缺点：

一、一张图片上不同字符可能使用不同字体、且整体需要按一定角度旋转。当前技术在生成多字体字符时，无法使各字符排成一行且保持统一角度旋转，因此无法有效模拟真实样本。

二、无法对字符灵活指定字体，导致样本多样性和灵活性受限。如某点阵字体仅支持中文字符，如想通过新闻语料生成样本，则特殊符号无法正常显示，行业内的常用做法是使用支持大部分字符的字体(如宋体)，或将不支持的字符删除，这种做法会降低合成样本的多样性；另外，行驶证中的地址中，中文和数字使用不同字体，现有技术无法很好地模拟真实样本。

三、不同字体的样本需分开合成，合成时间成本高；同时导致样本数量多，训练时间长。

发明内容

本申请实施例的目的在于提供一种多字体样本合成方法、装置、电子设备和存储介质，用以提升语料质量、有效模拟真实样本，节省样本合成时间和模型训练时间。

第一方面，本发明实施例提供一种多字体样本合成方法，包括：获取原始语料图像，提取原始语料图像中的语料样本；根据预设字符集，为语料样本配置字体；根据语料样本和字体，设置画布；在画布上将语料样本中的文字按照预设角度进行拼接，合成语料字体图片。

在可选的实施方式中，根据预设字符集，为语料样本配置字体，包括：根据预设字体集合，确定字体支持的字符；根据字体支持的字符，生成预设字符集；提取语料样本中的字符串；判断字符串中的字符是否存在于预设字符集，若是则生成字符与字体的配置关系。

在可选的实施方式中，根据语料样本和字体，设置画布，包括：根据语料样本中的字符串，计算字符串使用目标字体时的维度数据；根据维度数据和预设放大规则，生成画布数据。

在可选的实施方式中，在画布上将语料样本中的文字按照预设角度进行拼接，合成语料字体图片，包括：获取语料样本的旋转角度数据；根据旋转角度数据和预设角度定点条件，确定语料样本的旋转起始点；计算字符串的匹配点数据；根据匹配点数据将字符串与旋转起始点匹配，将字符串写入画布。

第二方面，本发明实施例提供一种多字体样本合成装置，包括：第一获取模块，用于获取原始语料图像，提取原始语料图像中的语料样本；第一配置模块，用于根据预设字符集，为语料样本配置字体；第一设置模块，用于根据语料样本和字体，设置画布；第一合成模块，用于在画布上将语料样本中的文字按照预设角度进行拼接，合成语料字体图片。

在可选的实施方式中，第一配置模块还用于：根据预设字体集合，确定字体支持的字符；根据字体支持的字符，生成预设字符集；提取语料样本中的字符串；判断字符串中的字符是否存在于预设字符集，若是则生成字符与字体的配置关系。

在可选的实施方式中，第一设置模块还用于：根据语料样本中的字符串，计算字符串使用目标字体时的维度数据；根据维度数据和预设放大规则，生成画布数据。