[发明专利]光学字符识别模型训练方法、装置、设备及介质

权利要求书

1.一种光学字符识别模型训练方法，其特征在于，所述方法包括：

获取实际生产中的原始图片集及所述原始图片集对应的原始数据集，将所述原始图片集和所述原始数据集存入预设的消息队列通道中；

当预设的搜索引擎空闲时，利用所述搜索引擎从所述消息队列通道中获取所述原始图片集对应的原始数据集，并对所述原始数据集进行错误数据筛选，确定筛选出的错误数据组成负样本数据集，以及所述错误数据以外的非错误数据组成正样本数据集；

获取所述正样本数据集对应的真实字符标注集及所述负样本数据集对应的错误字符标注集，其中，所述错误字符标注集实时动态更新；

将所述正样本数据集、所述负样本数据集及所述原始图片集作为训练数据集输入至预设的光学字符识别模型，利用所述光学字符识别模型识别所述训练数据集的预测字符集；

通过计算获取所述预测字符集与所述真实字符标注集及所述错误字符标注集的损失值，若所述损失值不满足预设条件，调整所述光学字符识别模型的参数，直到所述损失值满足所述预设条件，得到训练完成的光学字符识别模型。

2.如权利要求1所述的光学字符识别模型训练方法，其特征在于，所述对所述原始数据集进行错误数据筛选，确定筛选出的错误数据组成负样本数据集，以及所述错误数据以外的非错误数据组成正样本数据集，包括：

利用预设的搜索引擎获取所述原始数据集中原始数据的序列长度，并利用预设的搜索引擎中的预设筛选语句设置序列长度索引；

将所述序列长度与所述序列长度索引作长度对比，将与所述序列长度索引的长度不一致的序列长度对应的原始数据组成负样本数据集，并将与所述序列长度索引的长度一致的序列长度对应的原始数据组成正样本数据集。

3.如权利要求1所述的光学字符识别模型训练方法，其特征在于，所述确定筛选出的错误数据组成负样本数据集，以及所述错误数据以外的非错误数据组成正样本数据集之后，所述方法还包括：

获取所述正样本数据集和所述负样本数据集的数据字段，识别所述数据字段中的敏感字段；

利用预设的脱敏函数对所述敏感字段进行脱敏操作。

4.如权利要求1所述的光学字符识别模型训练方法，其特征在于，所述利用预设的光学字符识别模型识别所述训练数据集的预测字符集，包括：

利用预设的光学字符识别模型中的卷积层提取所述训练数据集的特征序列，得到字符向量集；

利用所述光学字符识别模型中的循环层预测所述字符向量集的字符标签集；

利用所述光学字符识别模型中的转录层整合所述字符标签集，得到预测字符集。

5.如权利要求4所述的光学字符识别模型训练方法，其特征在于，所述利用所述光学字符识别模型中的循环层预测所述字符向量集的字符标签集，包括：

利用所述循环层中的输入门计算所述字符向量集的状态值；

利用所述循环层中的遗忘门计算所述字符向量集的激活值；

根据所述状态至和激活值计算所述字符向量集的状态更新值；

利用所述循环层中的输出门计算所述状态更新值的字符标签集，得到所述字符向量集的字符标签集。

6.如权利要求4所述的光学字符识别模型训练方法，其特征在于，所述利用所述光学字符识别模型中的转录层整合所述字符标签集，得到预测字符集，包括：

利用所述转录层获取所述字符标签集的所有路径概率，从多个所述路径概率中查找每个字符标签对应的最大路径概率；

合并每个所述最大路径概率，得到所述字符标签集的预测字符集。

7.如权利要求1所述的光学字符识别模型训练方法，其特征在于，所述将所述原始图片集和所述原始数据集存入预设的消息队列通道中之前，所述方法还包括：

建立所述原始数据集和所述原始图片集同所述消息中间件的链接，通过所述链接形成消息队列通道；

通过所述消息队列通道存储所述原始图片集和原始数据集。