[发明专利]一种OCR快速识别方法、装置、设备和介质

权利要求书

1.一种OCR快速识别方法，其特征在于：包括下述步骤：

S1、对输入的图像进行预处理；

S2、提取预处理后图像的空间潜层信息和时序潜层信息；

所述空间潜层信息由空间模型通过卷积、池化、激活函数提取而得，所述空间模型包括特征提取卷积层、增加通道卷积层以及池化层，所述增加通道卷积层采用1×1卷积核来增加中间向量的通道数；

所述时序潜层信息通过时序模型的多层双向SRN层提取而得，所述时序模型的构成是：第一层和第三层均为双向SRN层，对大部分运算进行并行处理；第二层和第四层为全连接层；

S3、根据所述空间潜层信息和所述时序潜层信息，由嵌入层通过CTC进行多字符的分类，从而识别出图像上的所有字符。

2.根据权利要求1所述的一种OCR快速识别方法，其特征在于：所述空间模型对空间潜层信息的提取和所述时序模型对时序潜层信息的提取二者的顺序包括以下两种：

(1)、由所述空间模型和所述时序模型分别对取预处理后图像进行提取，分别得到所述空间潜层信息和所述时序潜层信息，再将所述空间潜层信息和所述时序潜层信息经过拼接后输入所述嵌入层；

(2)、先由所述空间模型对取预处理后图像提取所述空间潜层信息，将所述空间潜层信息输入至所述时序模型；再由所述时序模型对所述空间潜层信息进一步提取时序潜层信息，之后输入所述嵌入层。

3.根据权利要求1所述的一种OCR快速识别方法，其特征在于：所述空间模型的构成如下；

第一层是特征提取卷积层，用于提取图像特征，卷积核为5×5，步长为2×2，填充为2×2，通道数为24，激活函数为ReLU；

第二层是特征提取卷积层，用于提取图像特征，卷积核为3×3，步长为1×1，填充为1×1，通道数为24，激活函数为ReLU；

第三层是增加通道卷积层，用于增加中间向量的通道数，以便于更好的提取图像特征，卷积核为1×1，步长为1×1，通道数为128；

第四层是池化层，核为2，步长为2；

第五层是特征提取卷积层，用于提取图像特征，卷积核为3×3，步长为1×1，填充为1×1，通道数为128，归一化方法为BN，激活函数为ReLU；

第六层是增加通道卷积层，用于增加中间向量的通道数，以便于更好的提取图像特征，卷积核为1×1，步长为1×1，通道数为256，归一化方法为BN；

第七层是特征提取卷积层，用于提取图像特征，卷积核为3×3，步长为1×1，填充为1×1，通道数为256，归一化方法为BN，激活函数为ReLU；

第八层是池化层，核为2×2，步长为2×1，填充为0×1；

第九层是特征提取卷积层，用于提取图像特征，卷积核为3×3，步长为1×1，填充为1×1，通道数为256，归一化方法为BN，激活函数为ReLU；

第十层是增加通道卷积层，用于增加中间向量的通道数，以便于更好的提取图像特征，卷积核为1×1，步长为1×1，通道数为512，归一化方法为BN；

第十一层是特征提取卷积层，用于提取图像特征，卷积核为3×3，步长为1×1，填充为1×1，通道数为512，激活函数为ReLU；

第十二层是池化层，核为2×2，步长为2×1，填充为0×1；

第十三层是特征提取卷积层，用于提取图像特征，卷积核为2×2，步长为1×1，填充为1×1，通道数为512，归一化方法为BN，激活函数为ReLU；

第十四层是特征提取卷积层，用于提取图像特征，卷积核为1×1，步长为1×1，通道数为512，归一化方法为BN。

4.根据权利要求1所述的一种OCR快速识别方法，其特征在于：所述时序模型的构成如下：

第一层为双向SRN层，节点数为256；

第二层为全连接层，节点数为256：

第三层为双向SRN层，节点数为256：

第四层为全连接层，节点数为256。