[发明专利]图像文本识别方法及装置

说明书

本申请实施例公开了一种图像文本识别方法及装置，将待识别图像输入图像文本识别模型，获取图像文本识别模型输出的识别文本字符序列。其中，启动单元用于确定待识别图像中按照预设排布顺序排布的首个待识别文本字符所在的区域。待识别图像包括至少两个按照预设排布顺序排布的待识别文本字符，图像文本识别模型由编码单元、启动单元和解码单元构成。基于启动单元，图像文本识别模型能够学习到待识别图像中预设排布顺序中首个文本字符的相关信息，进而能够基于首个文本字符对待识别图像中的待识别文本字符进行识别，得到较为准确的识别文本字符序列。

技术领域

本申请涉及图像处理领域，具体涉及一种图像文本识别方法及装置。

背景技术

OCR(Optical Character Recognition，光学字符识别)是对包括文本的图像进行识别分析，得到图像中的文本的技术。利用OCR技术，可以对图像中的文本进行提取和识别。

图像文本中的字符会按照一定的排布顺序进行排布。通常情况下，图像中的文本会按照水平从左到右的排布顺序进行排布。此外，还有一些图像中的文本会按照较为特殊的排布顺序进行排布，例如交错排布、纵向排布等。

目前，利用OCR技术能够对水平从左到右的排布顺序的文本进行识别，而对于特殊的排布顺序的文本的识别准确度较低。

发明内容

有鉴于此，本申请实施例提供一种图像文本识别方法及装置，能够对图像中较为特殊、复杂的排布顺序的文本进行较为准确地识别。

为解决上述问题，本申请实施例提供的技术方案如下：

第一方面，本申请实施例提供一种图像文本识别方法，所述方法包括：

将待识别图像输入图像文本识别模型，所述待识别图像包括至少两个按照预设排布顺序排布的待识别文本字符，所述图像文本识别模型由编码单元、启动单元和解码单元构成，所述启动单元用于确定所述待识别图像中按照所述预设排布顺序的首个待识别文本字符所在的区域；

获取所述图像文本识别模型输出的识别文本字符序列。

第二方面，本申请实施例提供一种图像文本识别装置，所述装置包括：

输入单元，用于将待识别图像输入图像文本识别模型，所述待识别图像包括至少两个按照预设排布顺序排布的待识别文本字符，所述图像文本识别模型由编码单元、启动单元和解码单元构成，所述启动单元用于确定所述待识别图像中按照所述预设排布顺序的首个待识别文本字符所在的区域；

获取单元，用于获取所述图像文本识别模型输出的识别文本字符序列。

第三方面，本申请实施例提供一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现第一方面中任一实施例所述的方法。

第四方面，本申请实施例提供一种计算机可读介质，其特征在于，其上存储有计算机程序，其中，所述程序被处理器执行时实现第一方面中任一实施例所述的方法。

由此可见，本申请实施例具有如下有益效果：

本申请实施例提供一种图像文本识别方法及装置，将待识别图像输入图像文本识别模型中，获取图像文本识别模型输出的识别文本字符序列。其中，图像文本识别模型由编码单元、启动单元和解码单元构成。启动单元能够确定待识别图像中按照预设排布顺序排布的首个待识别字符所在区域。图像文本识别模型能够学习到待识别图像中预设排布顺序中首个文本字符的相关信息，进而能够基于首个文本字符对待识别图像中的待识别文本字符进行识别，能够对图像中按照预设排布顺序的文本字符进行较为准确地识别，得到较为准确的识别文本字符序列。