[发明专利]字符识别方法、装置、电子设备和存储介质

说明书

本申请公开了字符识别方法、装置、电子设备和存储介质。字符识别方法包括：获取包含待识别字符的图像；将包含待识别字符的图像输入预设字符识别模型，得到字符识别结果；其中，预设字符识别模型依次包括：卷积神经网络CNN、循环神经网络RNN以及转录网络CTC，CNN的输出与RNN的输出之间设有短路连接，短路连接用于根据CNN的输出与RNN的输出得到中间输出结果；CTC用于对中间输出结果进行处理，输出字符识别结果。该技术方案基于对CRNN算法的改进，在原始CRNN的基础上添加CNN的输出与RNN的输出之间的短路连接，从而提升了字符识别结果的准确度。

技术领域

本申请涉及图像识别技术领域，尤其涉及字符识别方法、装置、电子设备和存储介质。

背景技术

字符识别方法总的来说主要分为两大类，传统算法识别和神经网络算法识别。用传统算法识别时，在设计算法时，需要对图片的噪声，图像质量，分辨率等做出较多的设计和思考。而随着神经网络技术的不断发展，目前，基于神经网络的字符识别算法取得了很多突破，已经成为了主流。但是，识别准确度还有一定的提升空间。

发明内容

本申请实施例提供了字符识别方法、装置、电子设备和存储介质，以提升字符识别的准确度。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供一种字符识别方法，包括：获取包含待识别字符的图像；将包含待识别字符的图像输入预设字符识别模型，得到字符识别结果；其中，预设字符识别模型依次包括：卷积神经网络CNN、循环神经网络RNN以及转录网络CTC，CNN的输出与RNN的输出之间设有短路连接，短路连接用于根据CNN的输出与RNN的输出得到中间输出结果；CTC用于对中间输出结果进行处理，输出字符识别结果。

在一些实施例中，CNN具有多感受野结构，CNN用于根据多感受野结构，对包含待识别字符的图像进行字符特征提取，从而能够适应不同字形的字符。

在一些实施例中，多感受野结构基于平行多池化层实现，平行多池化层中的各池化层不同；平行多池化层用于接收CNN中前一层的输出，相应地得到各池化层的输出结果，对各输出结果进行第一指定运算，得到第一运算结果作为CNN中下一层的输入。

在一些实施例中，平行多池化层有多组，其中，CNN中第一卷积层之后以及第二卷积层之后的两组平行多池化层中，每组平行多池化层中的最大池化层分别使用1×2的池化核和2×2的池化核；CNN的最后两组平行多池化层中，每组平行多池化层中的最大池化层分别使用1×2的池化核和3×2的池化核。

在一些实施例中，CNN的第三个卷积层与第四个卷积层之间设置有批标准化层，批标准化层用于对第三个卷积层的卷积结果进行批标准化处理后，将批标准化结果输入到第四个卷积层。

在一些实施例中，RNN用于对CNN的输出结果进行处理，得到第一RNN输出结果；短路连接，用于对CNN的输出结果和第一RNN输出结果进行第二指定运算，得到中间运算结果；RNN还用于对中间运算结果进行处理，得到第二RNN输出结果；短路连接，还用于对CNN的输出结果、中间运算结果和第二RNN输出结果进行第三指定运算，得到中间输出结果。

在一些实施例中，RNN具体为长短期记忆循环神经网络LSTM，LSTM，用于将CNN的输出结果或中间运算结果作为输入量，根据输入量依次计算遗忘门信息、记忆门信息、细胞状态、输出门信息，最终得到隐藏层信息作为与输入量对应的输出结果。

在一些实施例中，LSTM具体为双向长短期记忆循环神经网络BiLSTM，BiLSTM，用于将自身的正向网络得到的隐藏层信息，与自身的负向网络得到的隐藏层信息进行拼接，作为与输入量对应的输出结果。

第二方面，本申请实施例还提供一种字符识别装置，用于实现如上任一的字符识别方法。