[发明专利]文本识别模型的训练方法、文本识别方法及装置

说明书

本公开提供了一种文本识别模型的训练方法、文本识别方法及装置，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于光学字符识别等场景。方案为：对获取到的第一样本图像中的部分图像进行掩码预测，得到与第一样本图像对应的预测完整图像，对获取到的第二样本图像中的部分文本进行掩码预测，得到与部分文本对应的预测文本内容，根据预测完整图像和预测文本内容训练得到预训练模型，并根据预训练模型生成文本识别模型，文本识别模型用于对待识别图像进行文本识别，使得预训练模型学习到较强的图像视觉推理能力和文本语义推理能力，从而当基于预训练模型生成的文本识别模型进行文本识别时，提高文本识别的准确性和可靠性。

技术领域

本公开涉及人工智能(Artificial Intelligence，AI)技术领域，具体为深度学习、计算机视觉技术领域，可应用于光学字符识别(Optical CharacterRecognition，OCR)等场景，尤其涉及一种文本识别模型的训练方法、文本识别方法及装置。

背景技术

OCR技术在教育、金融、医疗、交通和保险等各行各业都取到了广泛的关注和应用。

在相关技术中，可以结合OCR技术和深度学习构建文本识别模型，以基于文本识别模型对图像进行文本识别。

然而，文本识别模型通常依赖于视觉信息，以基于视觉信息辨别图像中的文本内容，存在识别的准确性偏低的弊端。

发明内容

本公开提供了一种用于提高文本识别的可靠性的文本识别模型的训练方法、文本识别方法及装置。

根据本公开的第一方面，提供了一种文本识别模型的训练方法，包括：

对获取到的第一样本图像中的部分图像进行掩码预测，得到与所述第一样本图像对应的预测完整图像；

对获取到的第二样本图像中的部分文本进行所述掩码预测，得到与所述部分文本对应的预测文本内容；

根据所述预测完整图像和所述预测文本内容训练得到预训练模型，并根据所述预训练模型生成文本识别模型，其中，所述文本识别模型用于对待识别图像进行文本识别。

根据本公开的第二方面，提供了一种文本识别方法，包括：

获取待识别图像，其中，所述待识别图像中包括文本；

基于预先训练的文本识别模型对所述待识别图像进行文本识别，得到所述待识别图像中的文本内容；

其中，所述文本识别模型是基于如第一方面所述的方法得到的。

根据本公开的第三方面，提供了一种文本识别模型的训练装置，包括：

预测单元，用于对获取到的第一样本图像中的部分图像进行掩码预测，得到与所述第一样本图像对应的预测完整图像；

所述预测单元还用于，对获取到的第二样本图像中的部分文本进行所述掩码预测，得到与所述部分文本对应的预测文本内容；

训练单元，用于根据所述预测完整图像和所述预测文本内容训练得到预训练模型；

生成单元，用于根据所述预训练模型生成文本识别模型，其中，所述文本识别模型用于对待识别图像进行文本识别。

根据本公开的第四方面，提供了一种文本识别装置，包括：

获取单元，用于获取待识别图像，其中，所述待识别图像中包括文本；

识别单元，用于基于预先训练的文本识别模型对所述待识别图像进行文本识别，得到所述待识别图像中的文本内容；

其中，所述文本识别模型是基于如第一方面所述的方法得到的。

根据本公开的第五方面，提供了一种电子设备，包括：