申请/专利权人：小语智能信息科技(云南)有限公司

申请日：2022-10-11

公开（公告）日：2022-12-13

公开（公告）号：CN115471851A

主分类号：G06V30/244

分类号：G06V30/244;G06V30/19;G06V30/18;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.07.28#授权;2022.12.30#实质审查的生效;2022.12.13#公开

摘要：本发明涉及融合双重注意力机制的缅甸语图像文本识别方法及装置，属于自然语言处理领域。缅甸语字符具有独特的语言编码结构以及字符组合规则，为了解决缅甸语图像中上下标字符容易丢失导致准确率低的问题，本发明提出了一种融合双重注意力机制的缅甸语图像文本识别方法，主要包括缅甸语图像数据集构建及预处理、融合通道注意力和空间注意力的缅甸语图像特征增强、基于多头注意力解码器的缅甸语图像文本识别模型构建以及缅甸语图像文本识别四部分构成。根据这四个部分功能模块化制成融合双重注意力机制的缅甸语图像文本识别方法及装置，相比通用的图像文本识别方法本发明有效地缓解了缅甸语图像中字符上下标字符缺失导致识别准确率低的问题。

主权项：1.融合双重注意力机制的缅甸语图像文本识别方法，其特征在于：所述方法的具体步骤如下：Step1、缅甸语图像数据集构建及预处理：结合缅甸语的字符组合特征构造适应任务需求的缅甸语文本图像数据集；为丰富数据的多样性，构建的数据集包含不同噪声、不同倾斜角度、不同背景颜色以及不同编码字体；Step2、融合通道注意力和空间注意力的缅甸语图像特征增强：采用深度卷积神经网络对输入的缅甸语文本图像进行特征提取，将获得的特征图按通道的维数分组为子特征；对于每一项子特征，同时构造通道注意力和空间注意力机制，来获取缅甸语图像更细粒度的位置特征和通道映射特征，并将获取的两个特征进行融合，使得模型能更多地关注到缅甸语文本图像的上下标区域，提取到缅甸语图像中更多的文字边缘特征；Step3、利用基于多头注意力解码器的缅甸语图像文本识别模型进行识别：利用基于多头注意力机制的序列编码器-解码器对输入的缅甸语文本图像进行解码，该结构能够通过特征图进行注意力计算获取整张缅甸语图像的全局信息，结合标签训练让模块关注到更准确的缅甸语文字区域，使模型能进行并行训练，有效提升了识别效率。

全文数据：

权利要求：

百度查询： 小语智能信息科技(云南)有限公司 融合双重注意力机制的缅甸语图像文本识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD