CN114973218B 图像处理方法、装置及系统 （阿里巴巴集团控股有限公司）

WO2020113561A1,2020.0依次利用第一训练样本和第二训练样本进行训2其中，所述第一训练样本包含非结构化的标注数据，所述所述第一分支模型和所述第二分支模型采用相同特征提取模型，所述特征提所述第一分支模型还包括：回归分支模型，所述回归分支模型的输所述第二分支模型还包括：分类分支模型，所述分类分支模型的输将所述文本图像的特征信息输入至所述回归分支模型，确定所利用所述第二训练样本对所述初始结构检测模型进行训练，得到所述结构检测模型，3将所述每张第二文本图像输入至所述初始结构检测模型的特征提取模将所述每张第二文本图像的特征信息输入至所述初始结构检测模型的分类分支模型，基于所述第二文字的标注属性和预测属性，对所述初始结构检测在所述文本图像上标记所述文本图像的识别结果，其中，所述其中，所述第一训练样本包含非结构化的标注数据，所述接收所述识别结果对应的响应数据，其中，所述响应数据为对4其中，所述第一训练样本包含非结构化的标注数据，所述所述第一分支模型和所述第二分支模型采用相同特征提取模型，所述特征提所述第一分支模型还包括：回归分支模型，所述回归分支模型的输所述第二分支模型还包括：分类分支模型，所述分类分支模型的输5利用所述第二训练样本对所述初始结构检测模型进行训练，得到所述结构检测模型，基于所述目标类型调用结构检测模型，并利用所述结构检测模识别模块，用于利用结构检测模型对所述文本图像进行识别6识别模块，用于利用结构检测模型对所述证件图像进行识别24.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程7结构检测模型是依次利用第一训练样本和第二训练样本进行训练得8结构检测模型是依次利用第一训练样本和第二训练样本进行9结构检测模型是依次利用第一训练样本和第二训练样本本和第二训练样本进行训练得到。本进行训练得到。本和第二训练样本进行训练得到。[0022]图1是根据本申请实施例的一种用于实现图像处理方法的计算机终端(或移动设员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范[0045]目前的方案主要基于匹配或者数据增强的方法来实现少样本以节省结构检测模装置中执行。图1示出了一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配[0050]应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通算机终端10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如[0051]存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的图像处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件[0052]传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括[0053]显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代构成了上述的第一分支模型，特征提取模型和分类分支模型构成了上述的第二分支模型。[0067]上述步骤中的文字的位置可以是文字在整个文本中的具[0070]上述步骤中的结构化的标注数据是指通过将零散的、孤立的数据整理成有联系[0071]上述步骤中的非结构化的标注数据实质上是除结构化的标注数据之外的一切标像中文字的属性不进行标注，可以在第二训练样本中只对文本图像中文字的属性进行标[0084]上述步骤中的特征提取模型可以是能够将文本图像中与文字有关的特征进行提取的网络；上述步骤中的回归分支模型可以是能够对文本图像中的文字进行定位的网络；方案实现，本申请对此不作具体限定。例如，特征提取模型可以是VGG(VisualGeometry[0086]在另一种可选的实施例中，可以将文本图像的特征信息[0099]上述步骤中的数据增强算法可以对第二训练样本中的多张第二文本图像进行变并将响应数据返回给云端服务器，由云端服务器基于响应数据对结构检测模型进行调整，[0141]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方型的特征提取模型和回归分支模型的网络参[0154]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方构成了上述的第一分支模型，特征提取模型和分类分支模型构成了上述的第二分支模型。[0175]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方构成了上述的第一分支模型，特征提取模型和分类分支模型构成了上述的第二分支模型。[0194]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方构成了上述的第一分支模型，特征提取模型和分类分支模型构成了上述的第二分支模型。[0217]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方[0221]此处需要说明的是，上述获取模块1102和识别模块1104对应于实施例1中的步骤型的特征提取模型和回归分支模型的网络参数在训练过程[0229]其中，第三获取单元用于将每张第一文本图像输入至初[0238]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方[0242]此处需要说明的是，上述显示模块1202和标记模块1204对应于实施例2中的步骤型的特征提取模型和回归分支模型的网络参数在训练过程[0250]其中，第三获取单元用于将每张第一文本图像输入至初[0259]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方对应于实施例3中的步骤S702至步骤S706，三个模块与对应的步骤所实现的实例和应用场型的特征提取模型和回归分支模型的网络参[0272]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方[0276]此处需要说明的是，上述获取模块1402和识别模块1404对应于实施例4中的步骤型的特征提取模型和回归分支模型的网络参数在训练过程[0286]其中，第三获取单元用于将每张第一证件图像输入至初[0295]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方型的特征提取模型和回归分支模型的网络参数在训练过程[0307]其中，第三获取单元用于将每张第一文本图像输入至初[0316]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方1606对应于实施例6中的步骤S1002至步骤S1006，三个模块与对应的步骤所实现的实例和型的特征提取模型和回归分支模型的网络参数在训练过程[0328]其中，第三获取单元用于将每张第一文本图像输入至初[0337]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方存储介质可以用于保存上述实施例所提供的图像处理方法所执始结构检测模型的特征提取模型和回归分支模型的网络参数在训练过程中二文本图像输入至初始结构检测模型的特征提取模型，得到每张第二文本图像的特征信[0350]作为一种可选地示例，存储介质还被设置为存储用[0351]作为一种可选地示例，存储介质还被设置为存储用[0352]作为一种可选地示例，存储介质还被设置为存储用于执[0354]作为一种可选地示例，存储介质还被设置为存储用于执行以[0355]作为一种可选地示例，存储介质还被设置为存储用[0356]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方[0360]在本实施例中，上述计算机终端可以执行图像处理方法远程存储器可以通过网络连接至终端A。上述网络的实例包括但不限于互联网、企业内部[0363]处理器可以通过传输装置调用存储器存储的信息及应用特征提取模型和回归分支模型的网络参数在训本图像的特征信息输入至初始结构检测模型的分类分支模型，确定第二文字的预测属性；[0372]处理器可以通过传输装置调用存储器存储的信息及[0373]处理器可以通过传输装置调用存储器存储的信息及[0374]处理器可以通过传输装置调用存储器存储的信息及应用[0376]处理器可以通过传输装置调用存储器存储的信息及应用程序[0377]处理器可以通过传输装置调用存储器存储的信息及应用[0380]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可[0385]需要说明的是，本申请上述实施例中涉及到的优选实施方案与实施例1提供的方[0391]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式