文本特征提取方法、装置、可读介质及电子设备与流程

1.本公开涉及计算机技术领域，具体地，涉及一种文本特征提取方法、装置、可读介质及电子设备。


背景技术：

2.特征提取是nlp(natural language processing，自然语言处理)以及cv(computer version，计算机视觉)领域进行图像识别，文本翻译或者文本识别的过程中的关键环节，例如，在文本识别过程中，通常需要对文本图像中的文本特征进行有效提取，然后根据提取的文本特征进行文本的有效识别。
3.然而，目前的特征提取方法在特征提取过程中容易出现细节丢失过多，甚至在信息传递过程中会丧失关键特征的现象，不利于为后期的文本识别提供可靠的数据依据。


技术实现要素：

4.提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
5.本公开提供了一种文本特征提取方法、装置、可读介质及电子设备。
6.第一方面，本公开提供一种文本特征提取方法，所述方法包括：
7.获取目标图像，所述目标图像中包括目标文本；
8.将所述目标图像输入预设特征提取模型中，以使所述预设特征提取模型输出所述目标文本对应的目标文本特征；所述预设特征提取模型包括至少一个目标编码器，所述目标编码器包括：第一前馈神经网络模块，第一求和模块，注意力模块，第二求和模块，卷积网络模块，第三求和模块，第二前馈神经网络模块和第四求和模块；
9.其中，所述第一前馈神经网络层的输入端分别与所述第四求和模块的输入端和所述第一求和模块的输入端耦合，所述第一求和模块的输入端还与所述第一前馈神经网络模块的输出端耦合，所述第一求和模块的输出端与所述注意力模块的输入端和所述第二求和模块的输入端耦合，所述第二求和模块的输入端还与所述注意力模块的输出端耦合，所述第二求和模块的输出端与所述第四求和模块的输入端，所述卷积网络模块的输入端以及所述第三求和模块的输入端耦合，所述第三求和模块的输入端还与所述卷积网络模块的输出端耦合，所述第三求和模块的输出端与所述第二前馈神经网络模块的输入端和所述第四求和模块的输入端耦合，所述第四求和模块的输入端还与所述第二前馈神经网络模块的输出端耦合，所述第四求和模块的输出端作为所述目标编码器的输出端，所述第一前馈神经网络模块的输入端作为所述目标编码器的输入端。
10.第二方面，本公开提供一种文本特征提取装置，所述装置包括：
11.获取模块，被配置为获取目标图像，所述目标图像中包括目标文本；
12.确定模块，被配置为将所述目标图像输入预设特征提取模型中，以使所述预设特
征提取模型输出所述目标文本对应的目标文本特征；所述预设特征提取模型包括至少一个目标编码器，所述目标编码器包括：第一前馈神经网络模块，第一求和模块，注意力模块，第二求和模块，卷积网络模块，第三求和模块，第二前馈神经网络模块和第四求和模块；
13.其中，所述第一前馈神经网络层的输入端分别与所述第四求和模块的输入端和所述第一求和模块的输入端耦合，所述第一求和模块的输入端还与所述第一前馈神经网络模块的输出端耦合，所述第一求和模块的输出端与所述注意力模块的输入端和所述第二求和模块的输入端耦合，所述第二求和模块的输入端还与所述注意力模块的输出端耦合，所述第二求和模块的输出端与所述第四求和模块的输入端，所述卷积网络模块的输入端以及所述第三求和模块的输入端耦合，所述第三求和模块的输入端还与所述卷积网络模块的输出端耦合，所述第三求和模块的输出端与所述第二前馈神经网络模块的输入端和所述第四求和模块的输入端耦合，所述第四求和模块的输入端还与所述第二前馈神经网络模块的输出端耦合，所述第四求和模块的输出端作为所述目标编码器的输出端，所述第一前馈神经网络模块的输入端作为所述目标编码器的输入端。
14.第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现以上第一方面所述方法的步骤。
15.第四方面，本公开提供一种电子设备，包括：
16.存储装置，其上存储有计算机程序；
17.处理装置，用于执行所述存储装置中的所述计算机程序，以实现以上第一方面所述方法的步骤。
18.上述技术方案，通过包括目标编码器的预设特征提取模型获取目标图像中所述目标文本对应的目标文本特征；其中，所述目标编码器的所述第一前馈神经网络层的输入端分别与所述第四求和模块的输入端和所述第一求和模块的输入端耦合，所述第一求和模块的输入端还与所述第一前馈神经网络模块的输出端耦合，所述第一求和模块的输出端与所述注意力模块的输入端和所述第二求和模块的输入端耦合，所述第二求和模块的输入端还与所述注意力模块的输出端耦合，所述第二求和模块的输出端与所述第四求和模块的输入端，所述卷积网络模块的输入端以及所述第三求和模块的输入端耦合，所述第三求和模块的输入端还与所述卷积网络模块的输出端耦合，所述第三求和模块的输出端与所述第二前馈神经网络模块的输入端和所述第四求和模块的输入端耦合，所述第四求和模块的输入端还与所述第二前馈神经网络模块的输出端耦合，所述第四求和模块的输出端作为所述目标编码器的输出端，所述第一前馈神经网络模块的输入端作为所述目标编码器的输入端。这样，通过使该目标编码器中不同模块的输入端与输出端之间建立耦合关系，能够显著保留更多的原始特征中的信息，同时能够融合各个模块提取的显著特征，从而能够得到更全面，更准确的文本特征，有利于为后期的文本识别提供可靠的数据依据。
19.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
20.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
21.图1是本公开一示例性实施例示出的一种文本特征提取方法的流程图；
22.图2是本公开一示例性实施例示出的一种目标编码器的结构示意图；
23.图3是根据本公开图1所示实施例示出一种文本特征提取方法的流程图；
24.图4是本公开一示例性实施例示出的一种文本特征提取装置的框图；
25.图5是本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
26.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
27.应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
28.本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
29.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
30.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
31.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
32.在详细介绍本公开的具体实施方式之前，首先对本公开的应用场景进行以下说明，本公开可以应用于图像识别或者文本识别过程中，对图像，文本等数据进行特征提取的过程，例如，在通过transformer模型进行文本识别时，可以采用本公开中的文本特征提取方法替换transformer模型中的encoder结构，从而使transformer模型输出更全面，更准确的识别结果。目前，通过相关技术中的encoder结构进行特征提取时，容易出现细节丢失过多，甚至在信息传递过程中会丧失关键特征的现象，不利于为后期的文本识别提供可靠的数据依据。
33.为了解决以上问题，本公开提供了一种文本特征提取方法、装置、可读介质及电子设备，该方法通过包括目标编码器的预设特征提取模型获取目标图像中该目标文本对应的目标文本特征；其中，该目标编码器的该第一前馈神经网络层的输入端分别与该第四求和模块的输入端和该第一求和模块的输入端耦合，该第一求和模块的输入端还与该第一前馈神经网络模块的输出端耦合，该第一求和模块的输出端与该注意力模块的输入端和该第二求和模块的输入端耦合，该第二求和模块的输入端还与该注意力模块的输出端耦合，该第二求和模块的输出端与该第四求和模块的输入端，该卷积网络模块的输入端以及该第三求和模块的输入端耦合，该第三求和模块的输入端还与该卷积网络模块的输出端耦合，该第
三求和模块的输出端与该第二前馈神经网络模块的输入端和该第四求和模块的输入端耦合，该第四求和模块的输入端还与该第二前馈神经网络模块的输出端耦合，该第四求和模块的输出端作为该目标编码器的输出端，该第一前馈神经网络模块的输入端作为该目标编码器的输入端。这样，通过使该目标编码器中不同模块的输入端与输出端之间建立耦合关系，能够显著保留更多的原始特征中的信息，同时能够融合各个模块提取的显著特征，从而能够得到更全面，更准确的文本特征，有利于为后期的文本识别提供可靠的数据依据。
34.下面结合具体实施例对本公开的技术方案进行详细阐述。
35.图1是本公开一示例性实施例示出的一种文本特征提取方法的流程图；如图1所示，该方法可以包括以下步骤：
36.步骤101，获取目标图像，该目标图像中包括目标文本。
37.步骤102，将该目标图像输入预设特征提取模型中，以使该预设特征提取模型输出该目标文本对应的目标文本特征。
38.其中，该预设特征提取模型包括至少一个目标编码器，该目标编码器包括：第一前馈神经网络模块，第一求和模块，注意力模块，第二求和模块，卷积网络模块，第三求和模块，第二前馈神经网络模块和第四求和模块；该目标编码器的具体结构可以参见本公开中图2所示的结构示意图，图2是本公开一示例性实施例示出的一种目标编码器的结构示意图，如图2所示，
39.该第一前馈神经网络层的输入端分别与该第四求和模块的输入端和该第一求和模块的输入端耦合，该第一求和模块的输入端还与该第一前馈神经网络模块的输出端耦合，该第一求和模块的输出端与该注意力模块的输入端和该第二求和模块的输入端耦合，该第二求和模块的输入端还与该注意力模块的输出端耦合，该第二求和模块的输出端与该第四求和模块的输入端，该卷积网络模块的输入端以及该第三求和模块的输入端耦合，该第三求和模块的输入端还与该卷积网络模块的输出端耦合，该第三求和模块的输出端与该第二前馈神经网络模块的输入端和该第四求和模块的输入端耦合，该第四求和模块的输入端还与该第二前馈神经网络模块的输出端耦合，该第四求和模块的输出端作为该目标编码器的输出端，该第一前馈神经网络模块的输入端作为该目标编码器的输入端。
40.需要说明的是，一种可能的实施方式中，该第一前馈神经网络模块和该第二前馈神经网络均由全连接层形成，该卷积网络模块为现有技术中的任一卷积网络，注意力模块可以是相关技术中注意力机制的网络，第一求和模块，第二求和模块，第三求和模块和第四求和模块可以是相关技术中任一能够对输入端的多个特征序列进行加和运算的网络模块，例如可以是相关技术中transformer模型内的求和归一层中的求和部分网络。
41.另一种可能的实施方式中，该第一前馈神经网络模块与该第二前馈神经网络模块均由一个层归一化层(layernorm层)，一个全连接层(fc层)，一个激活层(例如，可以是gelu激活层)以及一个dropout层依次耦合而成，该注意力模块由一个层归一化层(layernorm层)，一个多头注意力层(multi-head attention层)，一个位置嵌入层(postional embedding层)，以及一个dropout层依次耦合而成；该卷积网络模块由一个层归一化层(layernorm层)，两个逐点卷积层(pointwise conv层)，两个激活层，一个深度卷积层(depthwise conv层)，一个dropout层组成。
42.以上步骤102中，该预设特征提取模型获取该目标文本对应的目标文本特征的具
体过程可以参见以下图3所示步骤，图3是根据本公开图1所示实施例示出一种文本特征提取方法的流程图，如图3所示，该预设特征提取模型可以用于：
43.步骤1021，获取该目标文本对应的词向量序列，并将该词向量序列输入该目标编码器。
44.其中，该词向量可以是将该目标文本输入预设词嵌入算法，以获取该预设词嵌入算法生成的该目标文本中每个词对应的词向量，由该目标文本中每个词对应的词向量组成的特征序列即为该词向量序列。
45.示例地，若目标文本对应的3个词向量分别为x1，x2和x3，该x1，x2和x3均为多维向量，例如可以是512维，则该词向量序列可以是由该x1，x2和x3形成的词向量矩阵。
46.步骤1022，通过该目标编码器中的该第一前馈神经网络模块对该词向量序列进行特征提取以得到第一特征序列。
47.本步骤中，该第一前馈神经网络模块可以包括第一层归一化层，第一全连接层，第一激活层以及第一dropout层，其中，该第一层归一化层，该第一全连接层，该第一激活层以及该第一dropout层依次耦合。
48.需要说明的是，该该第一层归一化层，该第一全连接层，该第一激活层以及该第一dropout层依次耦合可以是，该第一层归一化层的输入端作为该第一前馈神经网络模块的输入端，该第一层归一化层的输出端与该该第一全连接层的输入端耦合，该第一全连接层的输出端与该第一激活层的输入端耦合，该第一激活层的输出端与该第一dropout层的输入端耦合，该第一dropout层的输出端作为该第一前馈神经网络模块的输出端。
49.另外还需指出的是，该第一层归一化层可以是相关技术中的layernorm层，该第一全连接层可以相关技术中的任一fc层，该第一激活层可以是gelu激活层，也可以是相关技术中的其他激活层，该第一dropout层可以是相关技术中的dropout层。
50.步骤1023，通过该第一求和模块对该第一特征序列与该词向量序列进行求和处理，以得到第二特征序列。
51.示例地，若该第一特征序列为[a1 a2 a3]，该词向量序列[x1 x2 x3]，其中，该a1、a2和a3均为与x1、x2和x3维数相同的多维向量，则该第二特征序列可以是[a1 x1 a2 x2 a3 x3]。
[0052]
步骤1024，通过该注意力模块对该第二特征序列进行注意力计算，以得到该目标文本对应的注意力特征序列。
[0053]
其中，该注意力特征序列用于描述该目标文本中每个词(或者字符)的上下文特征。
[0054]
需要说明的是，该注意力模块包括可以第三层归一化层，多头注意力层，位置嵌入层，以及第三dropout层，其中，该第三层归一化层，该多头注意力层，该位置嵌入层，以及该第三dropout层依次耦合，即该该第三层归一化层的输入端作为该注意力模块的输入端，该第三层归一化层的输出端与该多头注意力层的输入端耦合，该多头注意力层的输出端与该位置嵌入层的输入端耦合，该位置嵌入层的输出端与该第三dropout层的输入端耦合，该第三dropout层的输出端作为该注意力模块的输出端。该第三层归一化层可以是相关技术中的layernorm层，该第三dropout层可以是相关技术中的dropout层。
[0055]
步骤1025，通过该第二求和模块获取该注意力特征序列与该第二特征序列进行求
和处理，以得到第三特征序列。
[0056]
示例地，若该注意力特征序列为[z1 z2 z3]，该第二特征序列可以是[a1 x1 a2 x2 a3 x3]，则该第三特征序列可以是[a1 x1 z1 a2 x2 z2 a3 x3 z3]。
[0057]
步骤1026，通过该卷积网络模块对该第三特征序列进行特征提取，以得到该目标文本对应的局部特征序列。
[0058]
本步骤中，该卷积网络模块包括第四层归一化层，第一逐点卷积层，第三激活层，深度卷积层，第四激活层，第二逐点卷积层和第四dropout层，其中，该第四层归一化层，该第一逐点卷积层，该第三激活层，该深度卷积层，该第四激活层，该第二逐点卷积层和该第四dropout层依次耦合，即该第四层归一化层的输入端作为该卷积网络模块的输入端，该第四层归一化层的输出端与该第一逐点卷积层的输入端耦合，该第一逐点卷积层的输出端与该第三激活层的输入端耦合，该第三激活层的输出端与该深度卷积层的输入端耦合，该深度卷积层的输出端与该第四激活层的输入端耦合，该第四激活层的输出端与该第二逐点卷积层的输入端耦合，该第二逐点卷积层的输出端与该第四dropout层的输入端耦合，该第四dropout层的输出端作为该卷积网络模块的输出端。该第四层归一化层可以是相关技术中的layernorm层，该第一逐点卷积层和该第二逐点卷积层均可以相关技术中pointwise conv层，该第三激活层和该第四激活层可以是gelu激活层，也可以是相关技术中的其他激活层，该深度卷积层可以是相关技术中的depthwise conv层，该第四dropout层可以相关技术中的dropout层。
[0059]
步骤1027，通过该第三求和模块对该局部特征序列和该第三特征序列进行求和处理，以得到第四特征序列。
[0060]
示例地，若该局部特征序列为[c1 c2 c3]，该第三特征序列是[a1 x1 z1 a2 x2 z2 a3 x3 z3]，则该第四特征序列可以是[a1 x1 z1 c1 a2 x2 z2 c2 a3 x3 z3 c3]。
[0061]
步骤1028，通过该第二前馈神经网络模块对该第四特征序列进行特征提取，已得到第五特征序列。
[0062]
其中，该第二前馈神经网络模块可以包括第二层归一化层，第二全连接层，第二激活层以及第二dropout层；该第二层归一化层，该第二全连接层，该第二激活层以及该第二dropout层依次耦合，即该第一层归二化层的输入端作为该第二前馈神经网络模块的输入端，该第二层归一化层的输出端与该该第二全连接层的输入端耦合，该第二全连接层的输出端与该第二激活层的输入端耦合，该第二激活层的输出端与该第二dropout层的输入端耦合，该第二dropout层的输出端作为该第二前馈神经网络模块的输出端。该第二层归一化层是相关技术中的layernorm层，第二全连接层可以相关技术中的任一fc层，第二激活层可以是gelu激活层，也可以是相关技术中的其他激活层，第二dropout层可以是相关技术中的dropout层。
[0063]
步骤1029，通过该第四求和模块对该第五特征序列，该第四特征序列，该第三特征序列，以及该词向量序列进行求和处理，以得到待定文本特征。
[0064]
示例的，若该第五特征序列为[b1 b2 b3]，该第四特征序列是[a1 x1 z1 c1 a2 x2 z2 c2 a3 x3 z3 c3]，该第三特征序列是[a1 x1 z1 a2 x2 z2 a3 x3 z3]，该词向量序列[x1 x2 x3]，则该待定文本特征可以是[a1 3x1 2z1 c1 b1 a2 3x2 2z2 c2 b2 a3 3x3 2z3 c3 b3。
[0065]
步骤10210，根据该待定文本特征确定该目标文本对应的目标文本特征。
[0066]
本步骤中，一种可能的实施方式为：该目标编码器还包括归一化模块，该归一化模块可以包括一个层归一化层，通过该归一化模块对该待定文本特征进行归一化处理，以得到该目标文本特征。
[0067]
需要说明的是，以上具体的归一化处理的过程可以参见现有技术中的归一化计算公式，该计算公式在现有技术中较为常见，本公开在此不再赘述。
[0068]
另一种可能的实施方式可以是，该预设特征提取模型包括多个目标编码器，该多个目标编码器依次串接，即前一个目标编码器的输出端与后一个编码器的输入端耦合，将该待定文本特征作为后一个该目标编码器的输入，以使后一个该目标编码器对该待定文本特征进行特征提取，以得到更新后的该待定文本特征；根据更新后的该待定文本特征确定该目标文本对应的目标文本特征。
[0069]
需要说明的是，在预设特征提取模型包括多个目标编码器的情况下，可以使第一个目标编码器执行以上步骤1021至步骤1029所示的步骤，以得到该待定文本特征，然后将该待定文本特征送入该第二个目标编码器的输入端，以使第二个该目标编码器将接收到的该待定文本特征作为更新后的词向量序列继续执行以上步骤1021至步骤1029所示的步骤，以得到更新后的待定文本特征，然后将该第二个该目标编码器输出的更新后的待定文本特征送入第三个目标编码器，以使该第三个目标编码器将接收到的该待定文本特征作为更新后的词向量序列继续执行以上步骤1021至步骤1029所示的步骤，以得到再次更新后的待定文本特征，如此循环，直至最后一个目标编码器输出再次更新后的待定文本特征，然后根据最后一个目标编码器输出的该待定文本特征确定该目标文本对应的目标文本特征。这里，根据最后一个目标编码器输出的该待定文本特征确定该目标文本对应的目标文本特征时，可以对最后一个该目标编码器输出的该待定文本特征进行归一化处理，以得到该目标文本对应的目标文本特征。
[0070]
以上技术方案，通过使该目标编码器中不同模块的输入端与输出端之间建立耦合关系，能够显著保留更多的原始特征中的信息，同时能够融合各个模块提取的显著特征，从而能够得到更全面，更准确的文本特征，有利于为后期的文本识别提供可靠的数据依据。
[0071]
图4是本公开一示例性实施例示出的一种文本特征提取装置的框图；如图4所示，该装置可以包括：
[0072]
获取模块401，被配置为获取目标图像，该目标图像中包括目标文本；
[0073]
确定模块402，被配置为将该目标图像输入预设特征提取模型中，以使该预设特征提取模型输出该目标文本对应的目标文本特征；该预设特征提取模型包括至少一个目标编码器，该目标编码器包括：第一前馈神经网络模块，第一求和模块，注意力模块，第二求和模块，卷积网络模块，第三求和模块，第二前馈神经网络模块和第四求和模块；
[0074]
其中，该第一前馈神经网络层的输入端分别与该第四求和模块的输入端和该第一求和模块的输入端耦合，该第一求和模块的输入端还与该第一前馈神经网络模块的输出端耦合，该第一求和模块的输出端与该注意力模块的输入端和该第二求和模块的输入端耦合，该第二求和模块的输入端还与该注意力模块的输出端耦合，该第二求和模块的输出端与该第四求和模块的输入端，该卷积网络模块的输入端以及该第三求和模块的输入端耦合，该第三求和模块的输入端还与该卷积网络模块的输出端耦合，该第三求和模块的输出
端与该第二前馈神经网络模块的输入端和该第四求和模块的输入端耦合，该第四求和模块的输入端还与该第二前馈神经网络模块的输出端耦合，该第四求和模块的输出端作为该目标编码器的输出端，该第一前馈神经网络模块的输入端作为该目标编码器的输入端。
[0075]
以上技术方案，通过使该目标编码器中不同模块的输入端与输出端之间建立耦合关系，能够显著保留更多的原始特征中的信息，同时能够融合各个模块提取的显著特征，从而能够得到更全面，更准确的文本特征，有利于为后期的文本识别提供可靠的数据依据。
[0076]
可选地，该预设特征提取模型用于：
[0077]
获取该目标文本对应的初始特征序列，并将该初始特征序列输入该目标编码器；
[0078]
通过该目标编码器中的该第一前馈神经网络模块对该初始特征序列进行特征提取以得到第一特征序列；
[0079]
通过该第一求和模块对该第一特征序列与该初始特征序列进行求和处理，以得到第二特征序列；
[0080]
通过该注意力模块对该第二特征序列进行注意力计算，以得到该目标文本对应的注意力特征序列；
[0081]
通过该第二求和模块获取该注意力特征序列与该第二特征序列进行求和处理，以得到第三特征序列；
[0082]
通过该卷积网络模块对该第三特征序列进行特征提取，以得到该目标文本对应的局部特征序列；
[0083]
通过该第三求和模块对该局部特征序列和该第三特征序列进行求和处理，以得到第四特征序列；
[0084]
通过该第二前馈神经网络模块对该第四特征序列进行特征提取，已得到第五特征序列；
[0085]
通过该第四求和模块对该第五特征序列，该第四特征序列，该第三特征序列，以及该初始特征序列进行求和处理，以得到待定文本特征；
[0086]
根据该待定文本特征确定该目标文本对应的目标文本特征。
[0087]
可选地，该目标编码器还包括归一化模块，该预设特征提取模型用于：
[0088]
通过该归一化模块对该待定文本特征进行归一化处理，以得到该目标文本特征。
[0089]
可选地，该预设特征提取模型包括多个目标编码器，该多个目标编码器依次串接；该预设特征提取模型，用于：
[0090]
将该待定文本特征作为后一个该目标编码器的输入，以使后一个该目标编码器对该待定文本特征进行特征提取，以得到更新后的该待定文本特征；
[0091]
根据更新后的该待定文本特征确定该目标文本对应的目标文本特征。
[0092]
可选地，该第一前馈神经网络模块包括第一层归一化层，第一全连接层，第一激活层以及第一dropout层，该第二前馈神经网络模块包括第二层归一化层，第二全连接层，第二激活层以及第二dropout层；
[0093]
其中，该第一层归一化层，该第一全连接层，该第一激活层以及该第一dropout层依次耦合；该第二层归一化层，该第二全连接层，该第二激活层以及该第二dropout层依次耦合。
[0094]
可选地，该注意力模块包括第三层归一化层，多头注意力层，位置嵌入层，以及第
三dropout层，其中，该第三层归一化层，该多头注意力层，该位置嵌入层，以及该第三dropout层依次耦合。
[0095]
可选地，该卷积网络模块包括第四层归一化层，第一逐点卷积层，第三激活层，深度卷积层，第四激活层，第二逐点卷积层和第四dropout层，其中，该第四层归一化层，该第一逐点卷积层，该第三激活层，该深度卷积层，该第四激活层，该第二逐点卷积层和该第四dropout层依次耦合。
[0096]
以上技术方案，通过使该目标编码器中不同模块的输入端与输出端之间建立耦合关系，能够显著保留更多的原始特征中的信息，同时能够融合各个模块提取的显著特征，从而能够得到更全面，更准确的文本特征，有利于为后期的文本识别提供可靠的数据依据。
[0097]
下面参考图5，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0098]
如图5所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0099]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0100]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
[0101]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本
公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0102]
在一些实施方式中，可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0103]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0104]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标图像，该目标图像中包括目标文本；
[0105]
将该目标图像输入预设特征提取模型中，以使该预设特征提取模型输出该目标文本对应的目标文本特征；该预设特征提取模型包括至少一个目标编码器，该目标编码器包括：第一前馈神经网络模块，第一求和模块，注意力模块，第二求和模块，卷积网络模块，第三求和模块，第二前馈神经网络模块和第四求和模块；
[0106]
其中，该第一前馈神经网络层的输入端分别与该第四求和模块的输入端和该第一求和模块的输入端耦合，该第一求和模块的输入端还与该第一前馈神经网络模块的输出端耦合，该第一求和模块的输出端与该注意力模块的输入端和该第二求和模块的输入端耦合，该第二求和模块的输入端还与该注意力模块的输出端耦合，该第二求和模块的输出端与该第四求和模块的输入端，该卷积网络模块的输入端以及该第三求和模块的输入端耦合，该第三求和模块的输入端还与该卷积网络模块的输出端耦合，该第三求和模块的输出端与该第二前馈神经网络模块的输入端和该第四求和模块的输入端耦合，该第四求和模块的输入端还与该第二前馈神经网络模块的输出端耦合，该第四求和模块的输出端作为该目标编码器的输出端，该第一前馈神经网络模块的输入端作为该目标编码器的输入端。
[0107]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0108]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代
表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0109]
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取目标图像，该目标图像中包括目标文本的模块”。
[0110]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0111]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0112]
根据本公开的一个或多个实施例，示例1提供了一种文本特征提取方法，所述方法包括：
[0113]
获取目标图像，所述目标图像中包括目标文本；
[0114]
将所述目标图像输入预设特征提取模型中，以使所述预设特征提取模型输出所述目标文本对应的目标文本特征；所述预设特征提取模型包括至少一个目标编码器，所述目标编码器包括：第一前馈神经网络模块，第一求和模块，注意力模块，第二求和模块，卷积网络模块，第三求和模块，第二前馈神经网络模块和第四求和模块；
[0115]
其中，所述第一前馈神经网络层的输入端分别与所述第四求和模块的输入端和所述第一求和模块的输入端耦合，所述第一求和模块的输入端还与所述第一前馈神经网络模块的输出端耦合，所述第一求和模块的输出端与所述注意力模块的输入端和所述第二求和模块的输入端耦合，所述第二求和模块的输入端还与所述注意力模块的输出端耦合，所述第二求和模块的输出端与所述第四求和模块的输入端，所述卷积网络模块的输入端以及所述第三求和模块的输入端耦合，所述第三求和模块的输入端还与所述卷积网络模块的输出端耦合，所述第三求和模块的输出端与所述第二前馈神经网络模块的输入端和所述第四求和模块的输入端耦合，所述第四求和模块的输入端还与所述第二前馈神经网络模块的输出端耦合，所述第四求和模块的输出端作为所述目标编码器的输出端，所述第一前馈神经网络模块的输入端作为所述目标编码器的输入端。
[0116]
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述预设特征提取模型用于：
[0117]
获取所述目标文本对应的词向量序列，并将所述词向量序列输入所述目标编码器；
[0118]
通过所述目标编码器中的所述第一前馈神经网络模块对所述词向量序列进行特征提取以得到第一特征序列；
[0119]
通过所述第一求和模块对所述第一特征序列与所述词向量序列进行求和处理，以得到第二特征序列；
[0120]
通过所述注意力模块对所述第二特征序列进行注意力计算，以得到所述目标文本对应的注意力特征序列；
[0121]
通过所述第二求和模块获取所述注意力特征序列与所述第二特征序列进行求和处理，以得到第三特征序列；
[0122]
通过所述卷积网络模块对所述第三特征序列进行特征提取，以得到所述目标文本对应的局部特征序列；
[0123]
通过所述第三求和模块对所述局部特征序列和所述第三特征序列进行求和处理，以得到第四特征序列；
[0124]
通过所述第二前馈神经网络模块对所述第四特征序列进行特征提取，已得到第五特征序列；
[0125]
通过所述第四求和模块对所述第五特征序列，所述第四特征序列，所述第三特征序列，以及所述词向量序列进行求和处理，以得到待定文本特征；
[0126]
根据所述待定文本特征确定所述目标文本对应的目标文本特征。
[0127]
根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述目标编码器还包括归一化模块，所述根据所述待定文本特征确定所述目标文本对应的目标文本特征，包括：
[0128]
通过所述归一化模块对所述待定文本特征进行归一化处理，以得到所述目标文本特征。
[0129]
根据本公开的一个或多个实施例，示例4提供了示例2的方法，所述预设特征提取模型包括多个目标编码器，所述多个目标编码器依次串接；
[0130]
所述根据所述待定文本特征确定所述目标文本对应的目标文本特征，包括：
[0131]
将所述待定文本特征作为后一个所述目标编码器的输入，以使后一个所述目标编码器对所述待定文本特征进行特征提取，以得到更新后的所述待定文本特征；
[0132]
根据更新后的所述待定文本特征确定所述目标文本对应的目标文本特征。
[0133]
根据本公开的一个或多个实施例，示例5提供了示例1-4任一项所述的方法，所述第一前馈神经网络模块包括第一层归一化层，第一全连接层，第一激活层以及第一dropout层，所述第二前馈神经网络模块包括第二层归一化层，第二全连接层，第二激活层以及第二dropout层；
[0134]
其中，所述第一层归一化层，所述第一全连接层，所述第一激活层以及所述第一dropout层依次耦合；所述第二层归一化层，所述第二全连接层，所述第二激活层以及所述第二dropout层依次耦合。
[0135]
根据本公开的一个或多个实施例，示例6提供了示例1-4任一项所述的方法，所述注意力模块包括第三层归一化层，多头注意力层，位置嵌入层，以及第三dropout层，其中，所述第三层归一化层，所述多头注意力层，所述位置嵌入层，以及所述第三dropout层依次耦合。
[0136]
根据本公开的一个或多个实施例，示例7提供了示例1-4任一项所述的方法，所述卷积网络模块包括第四层归一化层，第一逐点卷积层，第三激活层，深度卷积层，第四激活层，第二逐点卷积层和第四dropout层，其中，所述第四层归一化层，所述第一逐点卷积层，所述第三激活层，所述深度卷积层，所述第四激活层，所述第二逐点卷积层和所述第四dropout层依次耦合。
[0137]
根据本公开的一个或多个实施例，示例8提供了一种文本特征提取装置，所述装置包括：
[0138]
获取模块，被配置为获取目标图像，所述目标图像中包括目标文本；
[0139]
确定模块，被配置为将所述目标图像输入预设特征提取模型中，以使所述预设特征提取模型输出所述目标文本对应的目标文本特征；所述预设特征提取模型包括至少一个目标编码器，所述目标编码器包括：第一前馈神经网络模块，第一求和模块，注意力模块，第二求和模块，卷积网络模块，第三求和模块，第二前馈神经网络模块和第四求和模块；
[0140]
其中，所述第一前馈神经网络层的输入端分别与所述第四求和模块的输入端和所述第一求和模块的输入端耦合，所述第一求和模块的输入端还与所述第一前馈神经网络模块的输出端耦合，所述第一求和模块的输出端与所述注意力模块的输入端和所述第二求和模块的输入端耦合，所述第二求和模块的输入端还与所述注意力模块的输出端耦合，所述第二求和模块的输出端与所述第四求和模块的输入端，所述卷积网络模块的输入端以及所述第三求和模块的输入端耦合，所述第三求和模块的输入端还与所述卷积网络模块的输出端耦合，所述第三求和模块的输出端与所述第二前馈神经网络模块的输入端和所述第四求和模块的输入端耦合，所述第四求和模块的输入端还与所述第二前馈神经网络模块的输出端耦合，所述第四求和模块的输出端作为所述目标编码器的输出端，所述第一前馈神经网络模块的输入端作为所述目标编码器的输入端。
[0141]
根据本公开的一个或多个实施例，示例9提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现以上示例1-7中任一项所述方法的步骤。
[0142]
根据本公开的一个或多个实施例，示例10提供了一种电子设备，包括：
[0143]
存储装置，其上存储有计算机程序；
[0144]
处理装置，用于执行所述存储装置中的所述计算机程序，以实现以上示例1-7中任一项所述方法的步骤。
[0145]
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0146]
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利
的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0147]
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。