[发明专利]图像处理模型的训练方法和装置、电子设备及介质

权利要求书

1.一种图像处理模型的训练方法，其特征在于，所述方法包括：

获取样本图像；

对所述样本图像进行数据增强处理，得到第一图像；

将所述第一图像输入至预设的神经网络模型中，其中，所述神经网络模型包括轻量化网络、池化网络、解码网络；

通过所述轻量化网络对所述第一图像进行特征提取，得到样本图像特征图；

通过所述池化网络对所述样本图像特征图进行池化处理，得到样本池化特征；

通过所述解码网络对所述样本池化特征进行概率计算，得到样本字段概率值；

根据所述样本字段概率值对所述神经网络模型的损失函数进行优化，得到图像处理模型。

2.根据权利要求1所述的训练方法，其特征在于，所述对所述样本图像进行数据增强处理，得到第一图像的步骤，包括：

从预设字典中抽取参考字符，并对所述参考字符进行拼接处理，得到参考文本；

根据预设的图像风格对所述参考文本和所述样本图像进行融合处理，得到中间图像；

根据预设的增强方式对所述中间图像进行增强处理，得到所述第一图像。

3.根据权利要求1所述的训练方法，其特征在于，所述通过所述轻量化网络对所述第一图像进行特征提取，得到样本图像特征图的步骤，包括：

通过所述轻量化网络对所述第一图像进行卷积处理，得到第一图像特征图；

对所述第一图像特征图进行下采样处理，得到所述样本图像特征图。

4.根据权利要求1至3任一项所述的训练方法，其特征在于，所述通过所述解码网络对所述样本池化特征进行概率计算，得到样本字段概率值的步骤，包括：

通过预设函数对所述样本池化特征进行字段概率计算，得到第一字段概率值；

对所述第一字段概率值进行筛选处理，得到所述样本字段概率值。

5.一种图像处理方法，其特征在于，所述方法包括：

获取待处理的目标图像；

将所述目标图像输入至图像处理模型进行图像识别处理，得到所述目标图像对应的目标文本信息，其中，所述图像处理模型根据如权利要求1至4任一项所述的图像处理模型的训练方法训练得到。

6.根据权利要求5所述的图像处理方法，其特征在于，所述图像处理模型包括轻量化网络、池化网络以及解码网络，所述将所述目标图像输入至图像处理模型进行图像识别处理，得到所述目标图像对应的目标文本信息的步骤，包括：

通过所述轻量化网络对所述目标图像进行特征提取，得到目标图像特征图；

通过所述池化网络对所述目标图像特征图进行池化处理，得到目标池化特征；

通过所述解码网络的预设函数对所述目标池化特征进行预测处理，得到目标概率向量，并根据所述目标概率向量得到所述目标文本信息。

7.一种图像处理模型的训练装置，其特征在于，所述装置包括：

第一图像获取模块，用于获取样本图像；

数据增强模块，用于对所述样本图像进行数据增强处理，得到第一图像；

输入模块，用于将所述第一图像输入至预设的神经网络模型中，其中，所述神经网络模型包括轻量化网络、池化网络、解码网络；

特征提取模块，用于通过所述轻量化网络对所述第一图像进行特征提取，得到样本图像特征图；

池化模块，用于通过所述池化网络对所述样本图像特征图进行池化处理，得到样本池化特征；

概率计算模块，用于通过所述解码网络对所述样本池化特征进行概率计算，得到样本字段概率值；

训练模块，用于根据所述样本字段概率值对所述神经网络模型的损失函数进行优化，得到图像处理模型。

8.一种图像处理装置，其特征在于，所述装置包括：

第二图像获取模块，用于获取待处理的目标图像；

图像识别模块，用于将所述目标图像输入至图像处理模型进行图像识别处理，得到所述目标图像对应的目标文本信息，其中，所述图像处理模型根据如权利要求1至4任一项所述的训练方法训练得到。