一种自适应位置校准和变异补偿的中文文本识别方法

本公开涉及中文文本识别，尤其涉及一种自适应位置校准和变异补偿的中文文本识别方法。

背景技术：

1、石碑作为重要的文献载体，镌刻并保存了大量关于历史、文化、艺术和科学的珍贵信息，是研究古代社会形态、政治制度、经济活动与思想文化的重要实物史料。拓片技术作为保存和传播石碑内容的传统手段，已有千余年历史，为石碑文献的流传、整理和研究提供了重要支撑。然而，受自然风化、环境侵蚀以及人为破坏等因素影响，石碑原貌往往出现不同程度的磨损、残缺与变形；同时，拓片在制作和保存过程中也会受到纸张老化、墨色衰减以及存储条件限制等问题的影响，导致文本信息难以完整、清晰地呈现。因此，面向石碑拓片的数字化保护与智能识别研究，不仅有助于提升古代文献的整理与利用效率，也对推动文化遗产保护、数字人文研究以及优秀传统文化的传承具有重要的历史价值和现实意义。

2、现有的中文文本识别方法在面对石碑拓片识别任务时存在明显不足。一方面，石碑拓片的字符往往存在非均匀的间距分布，与现代印刷文本规整的排版不同，这种复杂的空间布局增加了识别的技术难度。现有方法大多采用正弦-余弦位置编码对字符序列位置信息进行建模，在字符排布规整的现代文本场景中取得了良好效果，但在石碑拓片中字符间距不一致的情况下，其位置建模假设难以成立，导致相邻字符之间的相对空间关系刻画不准确。另一方面，由于书写风格不同或拓印技术差异，同一个字符在不同条件下会呈现出不同的外观，即类内变异性问题，极大增加了识别的难度。现有方法大多采用统一的特征提取与权重分配策略，难以有效刻画同一字符在不同条件下的外观差异。此外，公开数据集数量稀少，规模有限，且标注工作难度大、成本高昂，数据的稀缺性构成了重要瓶颈。因此，如何有效应对字符间距不均和类内变异性问题，成为石碑拓片文本识别领域亟须解决的关键技术问题。

技术实现思路

1、本公开的目的是提供一种自适应位置校准和变异补偿的中文文本识别方法，以解决现有技术中的不足，它能够缓解固定位置编码在非均匀字符布局场景下的建模偏差问题；借助自适应变异补偿模块，通过全局和局部双分支评估并生成调制参数，实现了对变异较小区域保持原始特征权重、对变异较大区域进行特征补偿的自适应处理。

2、本公开提供了一种自适应位置校准和变异补偿的中文文本识别方法，包括以下步骤：

3、获取图像特征序列；

4、对所述图像特征序列进行多尺度特征提取与融合，得到局部特征强化后的输出；根据所述局部特征强化后的输出的空间位置信息动态预测偏移量并校准位置编码，获得位置校准后的特征；

5、对所述位置校准后的特征进行自适应变异补偿处理，以评估字符的变异程度并生成自适应调制参数，对所述位置校准后的特征进行逐元素调制，得到变异补偿后的特征；

6、将所述变异补偿后的特征进行字符解码，预测字符序列并输出文本识别结果。

7、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，对所述图像特征序列进行多尺度特征提取与融合，得到局部特征强化后的输出的过程包括以下步骤：

8、将所述图像特征序列重排为二维特征图并进行线性投影；

9、经多个级联的卷积分支逐层提出不同尺度的局部特征，每个卷积分支包含两层卷积，每层卷积后接批归一化和激活函数；

10、将各卷积分支输出与原始特征拼接后通过卷积进行融合；

11、通过残差连接与层归一化得到局部特征强化后的输出。

12、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，获得位置校准后的特征的过程包括以下步骤：

13、对所述特征图中每个空间位置生成归一化的网格坐标；

14、预测各个空间位置的二维偏移量；

15、将所述二维偏移量映射到特征空间，得到偏移特征；

16、将偏移特征与原始特征相加并经层归一化得到校准后的特征。

17、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，对所述位置校准后的特征进行自适应变异补偿处理使用的模块为自适应变异补偿模块；

18、所述自适应变异补偿模块包括全局分支和局部分支；所述全局分支用于通过全局平均池化和多层感知机网络提取图像的整体变异评估值；

19、局部分支用于将所述位置校准后的特征转换为二维特征图，并通过窗口池化和深度可分离卷积提取各区域的局部变异评估值。

20、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，所述整体变异评估值和所述局部变异评估值通过融合权重加权融合；

21、所述融合权重能够在训练过程中自动学习，并基于融合结果生成缩放参数和偏移参数。

22、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，对位置校准后的特征进行逐元素调制的方法为，根据缩放参数和偏移参数通过裁剪操作在预设范围内对位置校准后的特征进行逐元素调制。

23、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，通过字符解码模块实现预测字符序列；

24、所述字符解码模块基于排列语言建模框架构建，通过分离位置查询流与内容信息流，以任意顺序预测字符序列。

25、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，训练过程中使用的总体损失函数由识别损失、位置校准正则化损失和变异补偿正则化损失加权求和构成。

26、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，位置校准正则化损失的约束偏移量的幅度和变异补偿正则化损失的约束缩放参数均趋大于0.9且小于1，偏移参数大于0且小于0.1。

27、如上所述的自适应位置校准和变异补偿的中文文本识别方法，其中，可选的是，获得图像特征序列的过程包括，通过特征提取器对输入的中文文本图像进行特征提取；其中，特征提取器采用vit结构，将输入图像划分为多个图块，经线性投影后叠加位置编码，利用自注意力机制对全局上下文进行建模。

28、与现有技术相比，本公开具有以下有益效果：

29、本公开通过引入局部特征强化模块，利用多尺度级联卷积增强了对字符笔画、边界结构及局部纹理的表征能力；利用自适应位置编码校准模块，通过动态学习位置偏移量有效缓解了固定位置编码在非均匀字符布局场景下的建模偏差问题；通过全局和局部双分支评估并生成调制参数，实现了对变异较小区域保持原始特征权重、对变异较大区域进行特征补偿的自适应处理。实验结果表明，本公开在石碑拓片数据集上的行准确度达到83.82%，相比基线模型提升了3.80个百分点；在场景数据集上提升了2.60个百分点，在网页数据集上提升了1.92个百分点，在文档数据集上提升了1.69个百分点。整体方案显著提升了模型在石碑拓片及多种中文文本场景下的识别精度与鲁棒性。

1.一种自适应位置校准和变异补偿的中文文本识别方法，包括以下步骤：

2.根据权利要求1所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，对所述图像特征序列进行多尺度特征提取与融合，得到局部特征强化后的输出的过程包括以下步骤：

3.根据权利要求2所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，获得位置校准后的特征的过程包括以下步骤：

4.根据权利要求3所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，对所述位置校准后的特征进行自适应变异补偿处理使用的模块为自适应变异补偿模块；

5.根据权利要求4所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，所述整体变异评估值和所述局部变异评估值通过融合权重加权融合；

6.根据权利要求5所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，对位置校准后的特征进行逐元素调制的方法为，根据缩放参数和偏移参数，通过裁剪操作在预设范围内对位置校准后的特征进行逐元素调制。

7.根据权利要求1所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，通过字符解码模块实现预测字符序列；

8.根据权利要求1所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，训练过程中使用的总体损失函数由识别损失、位置校准正则化损失和变异补偿正则化损失加权求和构成。

9.根据权利要求8所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，位置校准正则化损失的约束偏移量的幅度和变异补偿正则化损失的约束缩放参数均趋大于0.9且小于1，偏移参数大于0且小于0.1。

10.根据权利要求1-9任一项所述的自适应位置校准和变异补偿的中文文本识别方法，其特征在于，获得图像特征序列的过程包括，通过特征提取器对输入的中文文本图像进行特征提取；其中，特征提取器采用vit结构，将输入图像划分为多个图块，经线性投影后叠加位置编码，利用自注意力机制对全局上下文进行建模。