申请/专利权人：南京先维信息技术有限公司

申请日：2023-12-15

公开（公告）日：2024-03-29

公开（公告）号：CN117789216A

主分类号：G06V30/148

分类号：G06V30/148;G06T7/11;G06T3/60;G06T3/4007;G06N3/0464;G06N3/045;G06N3/0895;G06V10/82;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.03.29#公开

摘要：本发明提供一种自然场景下的图像文字识别方法、系统与计算机存储介质，该图像文字识别方法包括：接收输入的原始图像；使用文本检测模型识别输出文字区域及文字方向信息；非极大值抑制处理，筛选出得分超过预设值的文字区域，获取图像区域并裁剪图像；将裁剪图像旋转至水平；对旋转后的裁剪图像进行插值缩放和填充处理；将裁剪图像输入基于RCNN与Transformer的文字内容识别模型，输出识别结果；最后基于识别结果，获取到不同标签位置最大得分，通过搜索解码的方式，求取对应的文字并输出。通过本发明可实现文字区域、文字方向以及文字内容融合识别，可提高文字识别的鲁棒性，提高识别生僻字和旋转角度较大的文字的准确性和精度。

主权项：1.一种自然场景下的图像文字识别方法，其特征在于，包括以下步骤：步骤S101、接收输入的原始图像；步骤S102、使用基于连接预选框网络的文本检测模型识别所述原始图像，获得原始图像中的文字区域以及文字方向信息；步骤S103、对原始图像中的文字区域进行非极大值抑制处理，筛选出得分超过预设值的文字区域，获取其所在位置的图像区域并裁剪出图像；步骤S104、对裁剪出的文字区域的裁剪图像按照文字方向对应进行旋转，获得水平方向的裁剪图像；步骤S105、对旋转后的裁剪图像进行插值缩放和填充处理，使得裁剪图像的特征尺寸保持不变；步骤S106、将裁剪图像输入基于局部卷积神经网络RCNN与自监督转换网络Transformer的文字内容识别模型，输出识别结果；以及步骤S107、基于识别结果，获取到不同标签位置最大得分，通过搜索解码的方式，求取对应的文字并输出。

全文数据：

权利要求：

百度查询： 南京先维信息技术有限公司 自然场景下的图像文字识别方法、系统与计算机存储介质

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