CN114283432B 一种文本块识别方法、装置及电子设备 （腾讯科技（深圳）有限公司）

编解码器包括注意attention网络。本发明实施2通过编解码器识别所述第一特征图中的文字，得到所述一行或多行文字的识别结果，其中，所述特征提取网络包括特征提取模块和分类模块，所通过所述特征提取模块提取所述文本块图像的特征得到N个特征图其中，所述分类模块包括多个分类单元，第j个分类单元用于通过类层判断降维后的第j个特征图包括的文字的行数是否处于第j个分类单元对应的阈值范尺寸，将第j个特征图分类至是类别，以便于从被判断为是类别的特征图中得到第一特征2.根据权利要求1所述的方法，其特征在所述通过所述特征提取模块提取所述文本块图像的特征得到N个在第二特征图的尺寸为第一分类单元对应的目标特征图二特征图为所述第一个特征图和所述第i+1个特征图中所述第一分类单元对应3.根据权利要求2所述的方法，其特征在于，所述N个分类单元与N个阈值范围一一对3将所述多个文本块图像片段输入特征提取网络，得到多个特征图，所识别单元，用于通过编解码器识别所述第一特征图中的文字其中，所述分类模块包括多个分类单元，第j个分类单元用于通过类层判断降维后的第j个特征图包括的文字的行数是否处于第j个分类单元对应的阈值范尺寸，将第j个特征图分类至是类别，以便于从被判断为是类别的特征图中得到第一特征程序代码，所述处理器用于调用所述存储器中存储的计算机程序代码实现如权利要求1-69.一种计算机可读存储介质，其特征在于，所述4[0014]使用第i+1个CNN块对第i个特征图进行降维处理，得到第i+1个特征图，i＝1,[0015]所述通过所述分类模块从所述N个特征图中选取一个特征图，得到第一特征图包述第二特征图为所述第一个特征图和所述第i+1个特征图中所述第一分类单元对应的特征5值范围中任两个阈值范围之间不存在交集，第j个分类单元包括池化层、全连接层(fullyconnectedlayer，FC)和分类层，所述池化层用于将第j个特征图转换为第一尺寸的特征维后的第j个特征图包括的文字的行数处于所述第j个分类单元对应的阈值范围内的情况[0037]所述提取单元通过所述特征提取模块提取所述文本块图像的特征得到N个特征图[0039]使用第i+1个CNN块对第i个特征图进行降维处理，得到第i+1个特征图，i＝1,[0040]所述通过所述分类模块从所述N个特征图中选取一个特征图，得到第一特征图包6述第二特征图为所述第一个特征图和所述第i+1个特征图中所述第一分类单元对应的特征进行降维处理，所述分类层用于判断降维后的第j个特征图包括的文字的行数是否处于所得处理器执行第一方面或第一方面的任一可能的实施方7取网络提取文本块图像的特征得到第一特征图，可以通过包括attention网络的编解码器[0066]自然语言处理(naturelanguageprocessing，NLP)是计算机科学领域与人工智[0067]本发明是通过NLP技术来实现对文本块中文字的识别。具体通过如下实施例进行8从PDF文档直接将需要的内容复制过来的情况下，用户可以通过截图的方式将这部分内容同。但N个特征图包括的文字的行数和内容相同，均为文本块图像包括的文字的行数和内[0076]特征提取模块可以包括N个CNN块(block)，分类模块可以包括N个分类单元。N个9连接第二个CNN块的输入，第二个CNN块的输出连接第三个CNN块的输入，…,第N-块可以包括2个3×3的卷积(convolution)层、两个批标准化(batchnormalization，BN)行归一化处理，以便可以防止CNN块的输出过大。激活层可以为线性整流函数(rectified输出的特征图大小为第二个CNN块输出的特征图大小的1/2，第四个CNN块输出的特征图大[0081]第一分类单元接收到对应的CNN块输入的第二特征图之后，可以判断第二特征图[0083]N个分类单元与N个阈值范围一一对应，N个阈值范围中任两个阈值范围之间不存1024通道的特征图。该分类层用于判断降维后的第j个特征图包括的文字的行数是否处于个分类单元对应的阈值范围内，在判断出FC输出的特征图包括的文字的行数处于第j个分不是第j个分类单元对应的目标特征图尺寸的情况下，可以将第j个特征图分类至NO的类的阈值范围可以为大于4且小于或等于6，第三个分类单元对应的阈值范围可以为大于2且[0090]编解码器可以包括编码器和解码器。第一特征图可以依次经过编码器和解码得到的计算公式可以表示如下：编码器对下一行的编码结果与编码器对上一行的编码结果，以及本行的输入的特征有关。[0093]解码器可以包括一层双向LSTM网络以及attention网络。解码器可以基于解码器[0100]c-zra,R上述公式表示：上下文特征矩阵中i位置的t的计算公式可以表示如下：数据加噪声。构造数据可以根据字体库文件渲染生成文本块图像以及其对应的标签信息，征提取网络提取文本块图像的特征得到第一特征图，可以通过包括attention网络的编解[0110]每个CNN块输出的多个特征图将输入对应的分类单元，分类单元可以分别对对应的CNN块输出的多个特征图中的每个特征图分别进行处理，最后分类模块将输出多个特征像片段包括的文字的行数处于N个分类单元对应的N个阈值范围中的同一个阈值范围内的像片段包括的文字的行数处于N个分类单元对应的N个阈值范围中的不同阈值范围内的情的文字的行数处于同一阈值范围内的文本块图像片段对应的分类模块输出的特征图由同块中每个CNN块将输出4个特征图。一个CNN块输出的4个特征图为4个文本块图像片段对应本块识别装置也可以为安装在电子设备上的应用。如图6所示，该文本块识别装置可以包[0121]通过特征提取模块提取文本块图像的特征得到N个特征图，N个特征图的尺寸不[0126]使用第i+1个CNN块对第i个特征图进行降维处理，得到第i+1个特征图，i＝1,[0127]提取单元602通过分类模块从N个特征图中选取一个特征图，得到第一特征图包一个特征图和第i+1个特征图中第一分类单元对应判断出降维后的第j个特征图包括的文字的行数处于第j个分类单元对应的阈值范围内的[0135]输入单元605，用于将文本块图像输入文本块检测网络，得到多个文本块图像片[0142]通过编解码器识别第一特征图中的文字，得到上述一行[0144]通过特征提取模块提取文本块图像的特征得到N个特征图，N个特征图的尺寸不[0149]使用第i+1个CNN块对第i个特征图进行降维处理，得到第i+1个特征图，i＝1,一个特征图和第i+1个特征图中第一分类单元对应判断出降维后的第j个特征图包括的文字的行数处于第