[发明专利]一种训练模型以及字符检测的方法及装置

说明书

本说明书公开了一种训练模型以及字符检测的方法及装置。基于合成训练样本对标注模型进行训练，根据训练后的标注模型的输出对真实训练样本进行标注，并根据合成训练样本对字符检测模型进行训练。通过训练后的字符检测模型对待检测的图像进行特征提取，并确定该图像中各字符的包围框以及该图像中的各中心线。以及根据各中心线与各包围框的重叠程度、与同一中心线重叠的各包围框，确定包围框组，并根据各包围框组中各包围框的几何位置特征，对各中心线向周围进行膨胀得到各膨胀包围框，作为该图像的字符检测结果。可通过训练得到的字符检测模型输出准确的包围框以及中心线，以确定出准确的膨胀包围框，作为字符检测结果。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种训练模型以及字符检测的方法及装置。

背景技术

光学字符识别(Optical Character Recognition，OCR)技术是一种可将图像中的文字转换成文本格式的技术。随着OCR技术的发展，基于OCR的文字识别技术得到了广泛的应用。文字识别技术通过对图像进行文本检测，以从图像中确定出字符串(如：一个单词的所有字母为一个字符串)的包围框，以对图像中的字符串进行定位。在进行文本检测得到各字符串的包围框之后，文字识别技术可基于得到的各字符串的包围框对包围框中的文字进行识别，以得到图像中的文字。

目前，通过文本检测得到的各字符串的包围框的准确度，对最终的文字识别结果的准确度影响较大，但在现有的文本检测技术中，文本检测得到的各字符串的包围框的准确度并不理想。

发明内容

本说明书提供一种训练模型以及字符检测的方法及装置，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种训练字符检测模型的方法，包括：

从图像数据集中获取若干图像作为训练样本，并针对每个训练样本，确定该训练样本对应的图像中各字符的包围框为该训练样本的第一标签，以及确定该训练样本对应的图像中各字符串的中心线作为该训练样本的第二标签；

将该训练样本输入待训练的字符检测模型的特征提取网络，确定该训练样本对应的若干特征图；

将该训练样本对应的若干特征图作为输入，输入所述待训练的字符检测模型的几何特征检测网络，得到各预测包围框，以及输入所述待训练的字符检测模型的线特征检测网络，得到各预测中心线；

根据得到的各预测包围框与该训练样本的第一标签的差异确定第一损失，以及根据得到的各预测中心线与该训练样本的第二标签的差异确定第二损失；

根据所述第一损失以及所述第二损失，确定所述字符检测模型的总损失，以所述总损失最小为训练目标，调整所述待训练的字符检测模型的参数，所述字符检测模型用于确定待检测图像中的各字符的包围框以及各中心线，以根据各包围框对各中心线向周围进行膨胀，得到各膨胀包围框作为所述待检测图像的字符检测结果。

可选地，该训练样本的第一标签还包括该训练样本对应的图像中各包围框内字符的类型；

将该训练样本对应的若干特征图作为输入，输入所述待训练的字符检测模型的几何特征检测网络，得到各预测包围框，具体包括：

将该训练样本对应的若干特征图作为输入，输入所述待训练的字符检测模型的几何特征检测网络，得到各预测包围框，以及各预测包围框内的图像在各预测类型维度上预测结果的置信度。

可选地，根据得到各预测包围框与该训练样本的第一标签的差异确定第一损失，具体包括：

确定得到的各预测包围框的几何位置特征以及各预测包围框内的图像在各预测类型维度上预测结果的置信度，并确定该训练样本的第一标签中各包围框的几何位置特征以及各包围框内的字符所属类型的特征值；