公开(公告)号：CN119904849A

公开(公告)日：2025-04-29

申请号：CN202311413494.1

申请日：2023-10-26

Applicant: 北京航空航天大学杭州创新研究院

Inventor： 张泰威 ,  刘庆杰 ,  胡征慧 ,  李伟欣 ,  王蕴红

IPC: G06V20/62 ,  G06V30/19 ,  G06V10/82 ,  G06V30/18 ,  G06N3/0464 ,  G06N3/045

Abstract: 本公开的实施例公开了场景文本信息识别方法、装置、电子设备和介质。该方法的一具体实施方式包括：对待识别场景图像进行预处理，并对预处理后的场景图像进行区域图像分割，得到场景子图像集；对场景子图像集进行视觉编码，以及对编码得到的视觉特征向量集进行前景增强处理，得到视觉增强特征向量集；对视觉增强特征向量集进行文本识别，并对识别得到的文本特征向量集进行文本矫正处理，得到矫正后文本特征向量集；将矫正后文本特征向量集与视觉特征向量集进行融合处理，得到融合后特征向量集；将融合后特征向量集输入至预测层，得到文本信息。该实施方式可以提高复杂场景下的文本识别准确率，以及模型的通用性和鲁棒性。