[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

说明书

本申请提供一种轻量级字符识别模型的训练方法、电子设备及计算机可读存储介质，该方法包括：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。通过本申请上述方法训练的得到的轻量级字符识别模型的规模较小，字符识别效果好，节省资源占用，提高了字符识别效率。

技术领域

本申请涉及文字识别技术领域，特别涉及一种轻量级字符识别模型的训练方法、电子设备及计算机可读存储介质。

背景技术

随着人工智能的发展，OCR技术得到了广泛的应用。OCR(Optical CharacterRecognition，光学字符识别)是指电子设备对文本资料进行扫描，并对扫描所获得的图像文件进行处理，最终将文本资料翻译为计算机字符的过程。现有技术中，通过训练字符识别模型，并利用训练完成的字符识别模型完成字符识别工作。然而，为保证字符识别精度，该方法中所使用的字符识别模型规模较大，增加了资源占用，降低了字符识别效率。

发明内容

本申请实施例的目的在于提供一种轻量级字符识别模型的训练方法、电子设备及计算机可读存储介质，用于训练出文字识别效果好且规模小的模型。

一方面，本申请提供了一种轻量级字符识别模型的训练方法，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，在所述获得轻量级字符识别模型之后，所述方法还包括：

获取所述待识别图像，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。

在一实施例中，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。

在一实施例中，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：