[发明专利]文本识别的方法、装置、设备和存储介质

说明书

本申请提出一种文本识别的方法、装置、设备和存储介质，涉及文本识别领域。具体实现方法包括：使用多个卷积神经网络分别提取待检测图像不同尺度的特征；对提取的该不同尺度的特征进行融合得到特征向量；对该特征向量进行卷积操作得到概率矩阵；在前向过程中对该概率矩阵进行解码得到识别的字符串。采用本申请实施例，可以有效地提升文本识别的精度和速度。

技术领域

本申请涉及文本识别领域，尤其涉及一种文本识别的方法、装置、设备和存储介质。

背景技术

文本检测与识别应用范围广泛，是很多计算机视觉任务的前置步骤，比如图像搜索、身份认证和视觉导航等。文本检测的主要目的是定位文本行或字符在图像中的位置，而文本识别是将带文本行图像转录成字符串即识别其内容。相较于通用目标检测和识别来说，文字具有多方向、不规则形状、极端长宽比、字体、颜色、背景多样等特点，因此，文本的精准定位和准确识别既十分重要又具备挑战。

自然场景文字识别是在包含文字的图片中识别出字符序列的过程。它具有图片背景复杂、光照变化、识别输出空间复杂等极大挑战。而且由于文字由数量不固定的字母组成，因此，自然场景文字识别需要从图片中识别长度不固定的序列。目前有两种解决方案，一种是基于自底向上的策略，将识别问题拆分为字符检测、字符识别和字符组合，逐个解决。另一种是基于整体分析的策略，直接对整词整句进行分类识别。

上述两种解决方案虽然有各自在精度或速度上的优势，但是，目前都还难以在精度和速度上取得很好的平衡。

发明内容

本申请实施例提供一种文本识别的方法、装置、设备和存储介质，以解决相关技术存在的问题，技术方案如下：

第一方面，本申请实施例提供了一种文本识别的方法，包括：

使用多个卷积神经网络分别提取待检测图像不同尺度的特征；

对提取的该不同尺度的特征进行融合得到特征向量；

对该特征向量进行卷积操作得到概率矩阵；

在前向过程中对该概率矩阵进行解码得到识别的字符串。

第二方面，本申请实施例提供了一种文本识别的装置，包括：

提取模块，用于使用多个卷积神经网络分别提取待检测图像不同尺度的特征；

融合模块，用于对提取的该不同尺度的特征进行融合得到特征向量；

卷积模块，用于对该特征向量进行卷积操作得到概率矩阵；

解码模块，用于在前向过程中对该概率矩阵进行解码得到识别的字符串。

第三方面，本申请实施例提供了一种文本识别设备，该设备包括：存储器和处理器。其中，该存储器和该处理器通过内部连接通路互相通信，该存储器用于存储指令，该处理器用于执行该存储器存储的指令，并且当该处理器执行该存储器存储的指令时，使得该处理器执行上述各方面任一种实施方式中的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储计算机程序，当计算机程序在计算机上运行时，上述各方面任一种实施方式中的方法被执行。

上述技术方案中的优点或有益效果至少包括：通过使用多个卷积神经网络分别提取待检测图像不同尺度的特征，对提取的所述不同尺度的特征进行融合得到特征向量，对该特征向量进行卷积操作得到概率矩阵，在前向过程中对该概率矩阵进行解码得到识别的字符串，全面提升了识别的速度和精度，有效地兼顾了文本识别的精度和速度的平衡。

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本申请进一步的方面、实施方式和特征将会是容易明白的。

附图说明