[发明专利]轻量级字符识别模型的训练方法、电子设备及存储介质

权利要求书

1.一种轻量级字符识别模型的训练方法，其特征在于，包括：

对若干机器学习模型进行训练，得到初始字符检测模型及初始字符识别模型；

基于已训练的初始字符检测模型及初始字符识别模型，构建目标字符识别模型；

将所述目标字符识别模型转换为Ncnn框架下的指定格式，获得轻量级字符识别模型。

2.根据权利要求1所述的方法，其特征在于，所述初始字符检测模型通过下述方法训练得到：

基于字符检测训练集训练第一DB模型及第二DB模型；其中，所述第一DB模型骨干网络为Resnet网络，所述第二DB模型骨干网络为Mobilenet网络；

基于已训练的第一DB模型，对已训练的第二DB模型进行知识蒸馏，得到所述初始字符检测模型。

3.根据权利要求1所述的方法，其特征在于，所述初始字符识别模型包括指定VGG网络及CTC算法，所述指定VGG网络经过参数预筛减和BN层剪支处理；

所述初始字符识别模型通过下述方法训练得到：

基于字符识别训练集训练所述指定VGG网络，获得已训练的指定VGG网络；

基于已训练的指定VGG网络对所述字符识别训练集的识别结果，对所述CTC算法进行训练；

对已训练的指定VGG网络和已训练的CTC算法进行连接，得到所述初始字符识别模型。

4.根据权利要求1所述的方法，其特征在于，在所述获得轻量级字符识别模型之后，所述方法还包括：

将所述轻量级字符识别模型部署至目标设备。

5.根据权利要求1所述的方法，其特征在于，在所述获得轻量级字符识别模型之后，所述方法还包括：

获取待识别图像，并对所述待识别图像进行预处理；

将预处理后的待识别图像输入所述轻量级字符识别模型，获得所述轻量级字符识别模型输出的目标字符。

6.根据权利要求5所述的方法，其特征在于，所述对所述待识别图像进行预处理，包括：

通过白平衡算法对所述待识别图像进行亮度调节。

7.根据权利要求5所述的方法，其特征在于，在获得所述轻量级字符识别模型输出的目标字符之后，所述方法还包括：

通过指定应用场景对应的正则表达式及校验位算法，对所述目标字符进行信息提取，获得所述指定应用场景对应的文字识别结果。

8.一种轻量级字符识别模型的训练装置，其特征在于，包括：

训练模块，用于对若干机器学习模型进行训练，得到初始字符检测模型及初始字符识别模型；

构建模块，用于基于已训练的初始字符检测模型及初始字符识别模型，构建目标字符识别模型；

格式转换模块，用于将所述目标字符识别模型转换为Ncnn框架下的指定格式，获得轻量级字符识别模型。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-7任意一项所述的轻量级字符识别模型的训练方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-7任意一项所述的轻量级字符识别模型的训练方法。