字符识别模型的确定方法、装置、设备及存储介质与流程

技术特征：
1.一种字符识别模型的确定方法，其特征在于，所述方法包括：获取设备信息，以及获取用户上传的带有标注信息的样本，所述设备信息为用户选择的用于运行字符识别模型的设备的信息，所述标注信息用于描述对应的样本中的字符的属性；基于所述设备信息以及所述标注信息，从网络模型集合中确定待训练网络模型，所述网络模型集合中包括至少两个网络模型；基于所述用户上传的样本对所述待训练网络模型进行训练，得到所述字符识别模型。2.如权利要求1所述的方法，其特征在于，所述标注信息包括对应的样本中的字符的字段类别和/或字段规则，所述基于所述设备信息以及所述标注信息，从网络模型集合中确定待训练网络模型，包括：根据所述设备信息，从所述网络模型集合中选择网络模型子集，其中，所述网络模型子集中包括的网络模型的尺寸和结构与所述设备匹配；根据所述用户上传的样本的字段类别和/或字段规则，从所述网络模型子集中确定对应的网络模型，得到所述待训练网络模型。3.如权利要求1所述的方法，其特征在于，所述基于所述用户上传的样本对所述待训练网络模型进行训练，得到所述字符识别模型，包括：将所述用户上传的样本划分为训练样本集和测试样本集，其中，训练样本集中的样本与测试样本集中的样本具有相同的数据分布规律；基于所述训练样本集多次对所述待训练网络模型进行训练；在每次训练得到第一网络模型后，基于所述测试样本集对当前的第一网络模型进行测试，得到测试指标；若当前的第一网络模型的测试指标高于前一次训练得到的第一网络模型的测试指标，则继续训练并测试；直到当前的第一网络模型的测试指标低于前一次训练得到的第一网络模型的测试指标，结束训练和测试，并将前一次训练得到的第一网络模型确定为所述字符识别模型。4.如权利要求3所述的方法，其特征在于，所述当前的第一网络模型包括检测网络和识别网络，所述基于所述测试样本集对当前的第一网络模型进行测试，得到测试指标，包括：基于所述测试样本集对所述检测网络进行测试，得到所述检测网络的测试指标，所述检测网络的测试指标用于指示所述检测网络的检测准确度；基于所述测试样本集对所述识别网络进行测试，得到所述识别网络的测试指标，所述识别网络的测试指标用于指示所述识别网络的字符识别准确度；将所述检测网络的测试指标和所述识别网络的测试指标确定为所述当前的第一网络模型的测试指标。5.如权利要求4所述的方法，其特征在于，所述将前一次训练得到的第一网络模型确定为所述字符识别模型之前，还包括：对前一次训练得到的第一网络模型进行定点量化处理，得到定点量化后的第一网络模型；所述将前一次训练得到的第一网络模型确定为所述字符识别模型，包括：将所述定点量化后的第一网络模型确定为所述字符识别模型。
6.一种字符识别模型的确定装置，其特征在于，所述装置包括：获取模块，用于获取设备信息，以及获取用户上传的带有标注信息的样本，所述设备信息为用户选择的用于运行字符识别模型的设备的信息，所述标注信息用于描述对应的样本中的字符的属性；确定模块，用于基于所述设备信息以及所述标注信息，从网络模型集合中确定待训练网络模型，所述网络模型集合中包括至少两个网络模型；训练模块，用于基于所述用户上传的样本对所述待训练网络模型进行训练，得到所述字符识别模型。7.如权利要求6所述的装置，其特征在于，所述标注信息包括对应的样本中的字符的字段类别和/或字段规则，所述确定模块用于：根据所述设备信息，从所述网络模型集合中选择网络模型子集，其中，所述网络模型子集中包括的网络模型的尺寸和结构与所述设备匹配；根据所述用户上传的样本的字段类别和/或字段规则，从所述网络模型子集中确定对应的网络模型，得到所述待训练网络模型。8.如权利要求6所述的装置，其特征在于，所述训练模块用于：将所述用户上传的样本划分为训练样本集和测试样本集，其中，训练样本集中的样本与测试样本集中的样本具有相同的数据分布规律；基于所述训练样本集多次对所述待训练网络模型进行训练；在每次训练得到第一网络模型后，基于所述测试样本集对当前的第一网络模型进行测试，得到测试指标；若当前的第一网络模型的测试指标高于前一次训练得到的第一网络模型的测试指标，则继续训练并测试；直到当前的第一网络模型的测试指标低于前一次训练得到的第一网络模型的测试指标，结束训练和测试，并将前一次训练得到的第一网络模型确定为所述字符识别模型。9.一种电子设备，其特征在于，包括：处理器；存储器，所述存储器存储有所述处理器可执行的指令；其中，所述处理器被配置为执行所述指令并实现权利要求1-5所述的任一项方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现权利要求1-5所述的任一项方法的步骤。

技术总结
本申请公开了一种字符识别模型的确定方法、装置、设备及存储介质，属于字符识别技术领域。所述方法包括：电子设备获取用户选择的用于运行字符识别模型的设备的设备信息，以及获取用户上传的带有标注信息的样本，其中，标注信息可以用于描述对应的样本中的字符的属性。电子设备可以基于设备信息以及标注信息，从网络模型集合中选择与该设备信息以及标注信息对应的待训练网络模型，如此，基于用户上传的样本对该待训练网络模型进行训练得到的字符识别模型更适合运行于用户选择的设备中，且该字符识别模型更适合识别与用户上传的样本类似的待识别对象中的字符，即对于与用户上传的样本类似的待识别对象中的字符的识别准确率较高。较高。较高。


技术研发人员：徐博
受保护的技术使用者：上海高德威智能交通系统有限公司
技术研发日：2020.04.30
技术公布日：2021/11/2