[发明专利]基于改进的AttentionOCR文本识别方法及装置

权利要求书

1.一种基于改进的AttentionOCR文本识别方法，其特征在于，包括：

获取待识别图片的文本区域图片；

通过主干网络提取文本区域图片的特征图，其中，所述主干网络为卷积神经网络；

根据注意力机制模型计算特征图对应的文字注意区域的文字特征向量；

通过全连接网络对时间序列方向的文字特征向量循环进行分类，根据每个分类结果得到文本识别结果；

其中，所述获取待识别图片的文本区域图片包括：

将待识别图片进行文本检测，得到文本区域和文本区域对应的轮廓区域；

根据文本区域和轮廓区域生成掩码图片，根据掩码图片对文本区域和轮廓区域进行降噪处理，得到文本区域降噪图；

通过卷积神经网络识别文本区域降噪图的特征，确定文本区域特征，得到包含文本区域特征的文本区域图片。

2.根据权利要求1所述的基于改进的AttentionOCR文本识别方法，其特征在于，所述将待识别图片进行文本检测，得到文本区域和文本区域对应的轮廓区域包括：

将待检测图片进行裁剪，得到裁剪图片集；

计算裁剪图片集的特征图，得到裁剪特征图集，其中，所述特征图包括单字位置信息和字间连接信息；

将裁剪特征图集根据裁剪图片集对应待检测图片的位置进行拼接，得到待检测图片对应的待检测特征图；

根据单字位置信息和字间连接信息，检测待检测特征图上的文本区域和文本区域对应的轮廓区域。

3.根据权利要求1所述的基于改进的AttentionOCR文本识别方法，其特征在于，所述主干网络为InceptionV4模型，所述通过主干网络提取文本区域图片的特征图包括：

通过主干网络InceptionV4的前向计算对文本区域图片进行降维以及特征提取处理，得到文本区域降维特征图。

4.根据权利要求1所述的基于改进的AttentionOCR文本识别方法，其特征在于，所述文字注意区域为多个，所述根据注意力机制模型计算特征图对应的文字注意区域的文字特征向量包括：

根据一个初始的零向量在注意力机制模型上确定特征图的第一个文字注意区域，并计算第一个文字注意区域对应的第一文字特征向量；

将所述文字特征向量输入嵌入模型获取嵌入特征向量，并将嵌入特征向量反馈输入到注意力机制模型中，确定在特征图上的下一个文字注意区域，以便注意力机制模型获取下一个文字注意区域对应的下一文字特征向量；

将下一个文字注意区域对应的下一文字特征向量输入到嵌入模型获取下一个嵌入特征向量，并确定再下一个文字注意区域，依次循环执行，直到计算得到所有文字注意区域的文字特征向量为止。

5.根据权利要求4所述的基于改进的AttentionOCR文本识别方法，其特征在于，所述计算第一个文字注意区域对应的第一文字特征向量包括：

确定特征图上每一像素位的权重，并根据特征图上每一像素位的权重生成特征图对应的权重图；

根据权重图和特征图增强文字区域的特征，得到文字区域增强特征作为文字区域的注意力图；

根据文字区域的注意力图特征对通道方向求和得到文字特征向量。

6.根据权利要求1所述的基于改进的AttentionOCR文本识别方法，其特征在于，所述根据每个分类结果得到文本识别结果包括：

基于逻辑回归模型根据分类结果确定每个类别对应的文字的概率；

将概率最高类别的文字作为文字识别结果；

根据所有文字识别结果确定所述文本识别结果。