[发明专利]基于图像扩展的OCR模型训练方法、系统及装置

权利要求书

1.一种基于图像扩展的OCR模型训练方法，其特征在于，包括：

根据图像样本的类型设定图像扩展所需的参数；

对每个真实图像样本的参数所对应的真实数据进行背景增强扩展和新字段生成扩展，以获得扩展数据；

基于所述扩展数据构建对应的扩展图像样本；

将所述扩展图像样本输入所述OCR模型进行模型训练。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在构建所述扩展图像样本之后，将所述扩展图像样本和所述真实图像样本进行合并，以生成仿真图像训练集；

将所述扩展图像样本输入所述OCR模型进行模型训练，具体包括：

将所述仿真图像训练集中的每个图像样本输入所述OCR模型进行模型训练。

3.根据权利要求1所述的方法，其特征在于，所述参数包括图像参数和字段参数，所述图像参数包括图像的亮度、对比度、颜色，

所述“背景增强扩展”包括：为模拟反光、亮光、暗光、黑白图像中的一种或多种而对所述真实图像的亮度、对比度、颜色中的至少一个进行调整；

并且/或者，

所述“新字段生成扩展”包括：根据所述字段参数，对所述真实图像样本中的字段区域内的内容及相应的字段特征进行扩展。

4.根据权利要求3所述的方法，其特征在于，所述图像参数还包括噪声扰动变化范围，

所述“背景增强扩展”还包括：

为模拟运动模糊条件而对所述真实图像增加噪声；并且/或者，

为模拟背景区域较小条件而选取图像的一部分嵌入所需检测的区域；并且/或者，

为模拟文字干扰条件而选取非字段内容的干扰文字嵌入所需检测的区域。

5.根据权利要求4所述的方法，其特征在于，所述噪声包括模糊处理、三维视角变化、褶皱度变化处理中的一种或多种。

6.根据权利要求3所述的方法，其特征在于，所述字段参数包括字段文字个数范围、字段起始位置范围、字段长度范围，

根据所述字段参数，对所述真实图像样本中的字段区域内的内容及相应的字段特征进行扩展，具体包括：

读取所述真实图像样本中的字段区域内的内容以识别字段内容并分析字段特征；

根据所述字段文字个数范围、字段起始位置范围、字段长度范围，调整所述真实图像样本中的字段区域内的字段内容和字段特征以生成新字段。

7.根据权利要求6所述的方法，其特征在于，所述字段特征包括字段类型、文字大小、文字间距、字体类别、字体颜色中的一种或多种；

其中，所述字段类型为全数字类型、全字母类型、全文字类型或三者当中任意两种或三种的混合类型。

8.根据权利要求2所述的方法，其特征在于，所述方法还包括：在输入所述OCR模型之前，将仿真图像训练集中的每个图像样本转换为tfrecord格式。

9.根据权利要求3所述的方法，其特征在于，所述参数还包括背景增强数据的数量和新字段生成数据的数量。

10.一种基于图像扩展的OCR模型训练系统，其特征在于，包括：

参数设定模块，用于根据图像样本的类型设定图像扩展所需的参数；

扩展数据生成模块，用于对每个真实图像样本的参数所对应的真实数据进行背景增强扩展和新字段生成扩展，以获得扩展数据；

扩展图像构建模块，基于所述扩展数据构建对应的扩展图像样本；

OCR模型训练模块，用于将所述扩展图像样本输入所述OCR模型进行模型训练。