端到端的文本识别模型训练方法、文本识别方法及装置

摘要

本申请公开了一种端到端的文本识别模型训练方法及装置，将目标文本行图像输入特征提取模块，获取目标输入特征向量。将目标输入特征向量和目标字符位置向量输入特征编码器，获得第一特征向量。对第一特征向量进行重复操作，获取第二特征向量。基于目标文本行图像对应的标签，获取目标输出特征向量。将第二特征向量、目标输出特征向量以及目标字符位置向量输入特征解码器，获得目标文本行图像的预测概率分布结果。由图像对应的标签和预测概率分布结果，获取损失值，基于损失值训练模型。目标输出特征向量由图像中每个字符的真实位置向量和真实文本内容向量拼接组成。训练完成的模型可同时预测字符的字符位置和文本内容，可提高文本识别的效率。