买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中化现代农业有限公司

摘要：本发明提供一种文字识别方法、装置、电子设备和存储介质，涉及图像处理技术领域。其中方法包括：将待识别的文本图像输入至文字识别模型中的第一特征提取层，得到所述第一特征提取层输出的序列特征向量；将所述序列特征向量输入至所述文字识别模型中的编码层，得到所述编码层输出的编码特征向量，所述编码层包括多头注意力层；将所述编码特征向量输入至所述文字识别模型中的解码层，得到所述解码层输出的文字识别结果，所述解码层包括连接时间分类CTC层；其中，所述文字识别模型是基于CTC损失函数训练得到的。本发明可以提高文字识别模型的识别效率和识别准确率，即提高文字识别效率和文字识别准确率。

主权项：1.一种文字识别方法，其特征在于，包括：将待识别的文本图像输入至文字识别模型中的第一特征提取层，得到所述第一特征提取层输出的序列特征向量；将所述序列特征向量输入至所述文字识别模型中的编码层，得到所述编码层输出的编码特征向量，所述编码层包括多头注意力层；将所述编码特征向量输入至所述文字识别模型中的解码层，得到所述解码层输出的文字识别结果，所述解码层包括连接时间分类CTC层；其中，所述文字识别模型是基于CTC损失函数训练得到的；所述将待识别的文本图像输入至文字识别模型中的第一特征提取层，得到所述第一特征提取层输出的序列特征向量，包括：将所述文本图像输入至所述第一特征提取层中的第一子特征提取层，得到所述第一子特征提取层输出的第一特征向量，所述第一子特征提取层包括卷积层；将所述第一特征向量输入至所述第一特征提取层中的第二特征提取层，得到所述第二特征提取层输出的第二特征向量，所述第二特征提取层包括卷积层和空间注意力层；将所述第二特征向量输入至所述第一特征提取层中的池化层，得到所述池化层输出的第三特征向量；将所述第三特征向量输入至所述第一特征提取层中的第一层标准化层，得到所述第一层标准化层输出的第四特征向量；将所述第四特征向量输入至所述第一特征提取层中的第一线性层，得到所述第一线性层输出的序列特征向量；所述将所述第一特征向量输入至所述第一特征提取层中的第二特征提取层，得到所述第二特征提取层输出的第二特征向量，包括：将所述第一特征向量输入至所述第二特征提取层中的第三特征提取层，得到所述第三特征提取层输出的第五特征向量，所述第三特征提取层包括依次连接的3个残差网络层；将所述第五特征向量输入至所述第二特征提取层中的第一下采样层，得到所述第一下采样层输出的第六特征向量，所述第一下采样层包括卷积层和空间注意力层；将所述第六特征向量输入至所述第二特征提取层中的第四特征提取层，得到所述第四特征提取层输出的第七特征向量，所述第四特征提取层包括依次连接的3个残差网络层；将所述第七特征向量输入至所述第二特征提取层中的第二下采样层，得到所述第二下采样层输出的第八特征向量，所述第二下采样层包括卷积层和空间注意力层；将所述第八特征向量输入至所述第二特征提取层中的第五特征提取层，得到所述第五特征提取层输出的第九特征向量，所述第五特征提取层包括依次连接的9个残差网络层；将所述第九特征向量输入至所述第二特征提取层中的第三下采样层，得到所述第三下采样层输出的第十特征向量，所述第三下采样层包括卷积层和空间注意力层；将所述第十特征向量输入至所述第二特征提取层中的第六特征提取层，得到所述第六特征提取层输出的第二特征向量，所述第六特征提取层包括依次连接的3个残差网络层；所述将所述序列特征向量输入至所述文字识别模型中的编码层，得到所述编码层输出的编码特征向量，包括：将所述序列特征向量输入至所述编码层中的第七特征提取层，得到所述第七特征提取层输出的第一编码向量，所述第七特征提取层包括依次连接的多个注意力机制特征提取层，所述注意力机制特征提取层包括多头注意力层；将所述第一编码向量输入至所述编码层中的第三层标准化层，得到所述第三层标准化层输出的第二编码向量；将所述第二编码向量输入至所述编码层中的多层感知机层，得到所述多层感知机层输出的编码特征向量。

全文数据：

权利要求：

百度查询： 中化现代农业有限公司 文字识别方法、装置、电子设备和存储介质