CN113705313B 文本识别方法、装置、设备及介质 （腾讯科技（深圳）有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113705313B(45)授权公告日2025.07.08

(21)申请号202110374315.2

(22)申请日2021.04.07

(65)同一申请的已公布的文献号申请公布号CN113705313A

(43)申请公布日2021.11.26

(73)专利权人腾讯科技(深圳)有限公司

地址518044广东省深圳市南山区高新区

科技中一路腾讯大厦35层

(72)发明人张慧黄珊

(74)专利代理机构北京同达信恒知识产权代理有限公司11291

专利代理师朱佳

(51)Int.CI.

GO6V30/41(2022.01)

GO6V30/14(2022.01)

GO6V30/166(2022.01)

GO6V30/19(2022.01)

GO6V10/82(2022.01)

GO6N3/044(2023.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN111753827A,2020.10.09审查员杨霜雪

权利要求书4页说明书20页附图10页

(54)发明名称

文本识别方法、装置、设备及介质

S21

S21

获取待识别图像

S22

从待识别图像中提取出待识别文本区域

采用已训练的目标文本识别模型，获得待识别文本区域对应的目标视觉特征，

目标文本识别模型是对待训练的文本识别模型和注意力编解

码模型进行联合训练获得的，待训练的注意力编解码模型的

输入为待训练的文本识别模型中卷积网络的输出

采用目标文本识别模型，

对目标视觉特征进行解码操作，获得待识别文本区域的文本识别结果

S23

CN113705313B(57)摘要本申请提供一种文本识别方法、装置、设备及介质，涉及人工智能技术领域，用于提高文本识别的效率，该文本识别方法中，通过目标文本识别模型提取待识别图像中待识别文本区域中的目标视觉特征，并对目标视觉特征进行解码，以获得文本识别结果，无需对目标视觉特征进行深度编码，以提高文本识别的效率，且，由于目标文本识别模型是借助注意力编解码模型进行训练得到的，使得目标文本识别模型可以学习更具

CN113705313B

(57)摘要

CN113705313B权利要求书1/4页

2

1.一种文本识别方法，其特征在于，包括：

获取待识别图像；

从所述待识别图像中提取出待识别文本区域；

采用已训练的目标文本识别模型，获得所述待识别文本区域对应的目标视觉特征，并对所述目标视觉特征进行解码操作，获得所述待识别文本区域的文本识别结果；

其中，所述已训练的目标文本识别模型，是对待训练的文本识别模型和注意力编解码模型进行联合训练获得的，其中，所述待训练的注意力编解码模型的输入为所述待训练的文本识别模型中卷积网络的输出，其中，所述目标文本识别模型是采用以下方式训练获得的：

分别从样本图像集中各个样本图像中，提取出相应的样本文本区域，获得样本文本区域集合；

基于所述样本文本区域集合，对所述待训练的文本识别模型进行多轮迭代训练，直到满足模型收敛条件为止，其中，所述文本识别模型还包括解码网络，每一轮迭代训练包括以下操作：

将从所述样本文本区域集合中选取的各个样本文本区域输入所述卷积网络，分别提取所述各个样本文本区域各自的样本视觉特征；

将获得的各个样本视觉特征分别输入所述解码网络和所述注意力编解码模型，分别获得所述各个样本文本区域各自对应的第一预测文本标签分布和第二预测文本标签分布；

基于获得的各个第一预测文本标签分布，确定所述待训练的文本识别模型的第一训练损失，以及基于获得的各个第二预测文本标签分布，确定所述注意力编解码模型的第二训练损失；

基于所述第一训练损失和所述第二训练损失，确定联合训练损失，并基于所述联合训练损失，对所述文本识别模型进行参数调整。

2.如权利要求1所述的方法，其特征在于，所述将获得的各个样本视觉特征输入所述解码网络，获得所述各个样本文本区域