1.一种文本识别方法,其特征在于,所述方法包括:
获取文本图像;
提取所述文本图像的字符特征,生成文本图像特征序列;
获取文本图像特征序列的邻域信息,并将所述邻域信息与所述文本图像特征序列融合,得到融合的文本图像特征序列,所述邻域信息是指相邻域的字符特征信息;
提取、并结合所述融合的文本图像特征序列的多时序上下文关系,得到目标文本图像特征序列;
根据所述目标文本图像特征序列,得到文本识别结果;
所述获取文本图像特征序列的邻域信息,并将所述邻域信息与所述文本图像特征序列融合,得到融合的文本图像特征序列包括:通过Inception残差模块,获取文本图像特征序列的邻域信息;采用残差的跳跃连接,将所述邻域信息与所述文本图像特征序列融合,得到融合的文本图像特征序列。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标文本图像特征序列,得到文本识别结果包括:将所述目标文本图像特征序列输入至卷积神经网络进行文本分类预测,得到字符以及所述字符对应的预测概率;
根据所述字符以及所述字符对应的预测概率,得到不同字符序列的概率分布;
选取概率最大对应的字符序列,得到文本识别结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述字符以及所述字符对应的预测概率,得到不同字符序列的概率分布包括:根据所述字符以及所述字符对应的预测概率,通过CTC得到不同字符序列的概率分布。
4.根据权利要求1所述的方法,其特征在于,所述提取所述文本图像的字符特征,生成文本图像特征序列之前,还包括:对所述文本图像进行尺寸归一化处理,以更新所述文本图像。
5.根据权利要求1所述的方法,其特征在于,所述提取所述文本图像的字符特征,生成文本图像特征序列包括:通过残差卷积网络提取所述文本图像的字符特征,生成文本图像特征序列,所述残差卷积网络中每个残差模块之后连接有卷积层。
6.根据权利要求1所述的方法,其特征在于,所述提取、并结合所述融合的文本图像特征序列的多时序上下文关系,得到目标文本图像特征序列包括:通过TCN双向扩张网络,提取、并结合所述融合的文本图像特征序列的多时序上下文关系,得到目标文本图像特征序列。
7.一种文本识别装置,其特征在于,所述装置包括:
图像模块,用于获取文本图像;
特征提取模块,用于提取所述文本图像的字符特征,生成文本图像特征序列;
融合模块,用于获取文本图像特征序列的邻域信息,并将所述邻域信息与所述文本图像特征序列融合,得到融合的文本图像特征序列,所述邻域信息是指相邻域的字符特征信息;
上下文提取模块,用于提取、并结合所述融合的文本图像特征序列的多时序上下文关系,得到目标文本图像特征序列;
文本识别模块,用于根据所述目标文本图像特征序列,得到文本识别结果;
所述融合模块还用于通过Inception残差模块,获取文本图像特征序列的邻域信息;采用残差的跳跃连接,将所述邻域信息与所述文本图像特征序列融合,得到融合的文本图像特征序列。
8.根据权利要求7所述的装置,其特征在于,所述文本识别模块还用于将目标文本图像特征序列输入至卷积神经网络进行文本分类预测,得到字符以及字符对应的预测概率;根据字符以及字符对应的预测概率,得到不同字符序列的概率分布;选取概率最大对应的字符序列,得到文本识别结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。