[发明专利]基于改进的AttentionOCR文本识别方法及装置

说明书

本申请公开了一种基于改进的AttentionOCR文本识别方法及装置。该基于改进的AttentionOCR文本识别方法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，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进行分类，根据每个分类结果得到文本识别结果。本申请至少解决了由于计算量大造成的识别速度慢的技术问题。

技术领域

本申请涉及文字识别领域，具体而言，涉及一种基于改进的AttentionOCR文本识别方法及装置。

背景技术

随着人工智能进程的不断发展，自然场景下的文字识别也成为了该进程中不可或缺的一环。在进行文字识别时，通常会采用提取文字特征进行识别。相关技术中主要通过两种方法进行文字识别，其一是通过CRNN(Convolutional Recurrent Neural Network)进行文字识别，但其主干网络VGG(Visual Geometry Group Network)会存在提取特征的能力不佳的问题，并且CRNN的分类网络为LSTM(Long Short-Term Memory)，会存在计算量大会存在识别速度慢、并且只能识别水平排布的文字块的问题。其二是通过相关论文《Show,Attend and Tell:Neural Image Caption Generation with Visual Attentio》、《Attention-based Extraction of Structured Information from Street ViewImagery》中的AttentionOCR进行文字识别，但AttentionOCR的分类网络同样为LSTM(LongShort-Term Memory)，会存在计算量大会存在识别速度慢、并且只能识别水平排布的文字块的问题。

针对相关技术中存在的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种基于改进的AttentionOCR文本识别方法，以解决由于计算量大造成的识别速度慢的问题。

为了实现上述目的，本申请提供了一种基于改进的AttentionOCR文本识别方法及装置。

第一方面，本申请提供了一种基于改进的AttentionOCR文本识别方法。

根据本申请的基于改进的AttentionOCR文本识别方法包括：

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。

进一步的，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。

进一步的，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；