CN114758342B 文本识别方法、装置、介质及电子设备 （北京字节跳动网络技术有限公司）

在保证文本识别精度的前提下大大加速了模型2通过端到端文本识别模型，根据所述坐标位置对所述目标文本行进行所述根据所述坐标位置对所述目标文本行进行并行解码，同步得将各个所述目标文本行的所述坐标位置作为起始符，以将所述目标文本行根据所述图像特征预测所述目标文本行在所述待识别图通过基于滑动窗口进行编码的编码器提取所述待识别图像中所述根据所述图像特征确定目标文本行的坐标位置以及所述根据所述坐标位置对所述目通过目标训练数据训练所述端到端文本识别模型，其中，所述目标文本识别模块，用于通过端到端文本识别模型，根据所所述文本识别模块还用于：将各个所述目标文本行的所述坐标位置作34坐标即可实现对文本行的文本识别，因此大大降低了文本检测精度对文本识别精度的影5[0013]图3是根据本公开又一示例性实施例示出的一种文本识别方法中目标文本行的解[0018]应当理解，本公开的方法实施方式中记载的各个步骤可义将在下文描述中给出。[0022]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性6[0028]图1是根据本公开一示例性实施例示出的一种文本识别方法的流程图。如图1所该图像特征的提取，例如，可以仅通过例如卷积神经网络(convolutionalneural[0036]以包括60行文本行的一个待识别图像为例，假设每个文本行中文本长度最大为本实施例步骤103和步骤104中给出的文本解码方法，在步骤103中确定目标文本行的坐标7坐标即可实现对文本行的文本识别，因此大大降低了文本检测精度对文本识别精度的影他目标文本行按照随机顺序排列在该目标文本行1之后，且每一个目标文本行对应的解码[0042]在步骤401中，根据所述图像特征预测所述目标文本行在所述待识别图像中真实的可以是在纵坐标(Y轴)上处于0-90坐标范围内的坐标位置，在坐标位置的预测时若预测8行编码的编码器可以为例如Swin-transformer述图像特征确定目标文本行的坐标位置以及所述根据所述坐标位置对所述目标文本行进型来执行如图1中所示的步骤102至步骤104的文本中表征各文本行所在的图像位置的单个标注点的坐标，所述标注点与所述文本行一一对坐标即可实现对文本行的文本识别，因此大大降低了文本检测精度对文本识别精度的影9中表征各文本行所在的图像位置的单个标注点的坐标，所述标注点与所述文本行一一对[0057]下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意[0058]如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具[0062]在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransfer[0065]可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、[0068]本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例别图像中真实位置的所属类别，将所述所属类别确定为所述目标文本行的所述坐标位置；中的标注数据为所述目标训练数据中表征各文本行所在的图像位置的单个标注点的坐标，[0082]尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中