场景文字识别方法、装置、电子设备及存储介质

授权

摘要

本发明提供一种场景文字识别方法、装置、电子设备及存储介质，其中方法包括：获取待识别的场景图像；将场景图像输入至场景文字识别模型，得到场景文字识别模型输出的文字识别结果；其中，场景文字识别模型是额外采用文字掩码增强训练和插值查询增强训练得到的。本发明提供的方法和装置，通过文字掩码增强训练提高了模型对于文字区域的感知能力，通过插值查询增强训练提高了模型对于文字序列的感知能力，当模型对文字识别结果进行语言纠正时具有更高的准确率，通过将模型中视觉识别层和语言纠正层进行联合训练的方法，提高了模型在文字序列较长或者场景图像质量较低时对场景文字识别的准确率，提高了场景文字识别模型的鲁棒性和识别性能。

基本信息

专利标题：

场景文字识别方法、装置、电子设备及存储介质

专利标题（英）：

暂无

公开（公告）号：

CN114092931A

申请号：

CN202210063467.5

公开（公告）日：

2022-02-25

申请日：

2022-01-20

授权号：

CN114092931B

授权日：

2022-04-29

发明人：

王金桥陈盈盈谭颖韬

申请人：

中科视语（北京）科技有限公司

申请人地址：

北京市门头沟区石龙经济开发区永安路20号3号楼A-6193室

代理机构：

北京路浩知识产权代理有限公司

代理人：

王庆龙

优先权：

CN202210063467.5

主分类号：

G06V20/62

IPC分类号：

G06V20/62 G06V10/774 G06K9/62