阿里達摩院公開“圖像中的文本識別方法、裝置”專利

3月18日消息，天眼查資料顯示，阿里巴巴達摩院（杭州）科技有限公司3月18日公開一項“圖像中的文本識別方法、裝置、設(shè)備及存儲介質(zhì)”專利，申請公布號為CN114202647A，申請日期為2022年2月16日。

該專利摘要顯示，本公開涉及一種圖像中的文本識別方法、裝置、設(shè)備及存儲介質(zhì)。本公開通過獲取目標圖像，并確定該目標圖像中包含至少一行文本的子圖像。進一步，將所述子圖像、以及所述至少一行文本中的每個字符輸入多模態(tài)模型，由于子圖像含有較為直觀且準確的信息，從而使得多模態(tài)模型的輸入中增加了原始視覺信息，使得多模態(tài)模型可以根據(jù)子圖像對文本標注任務(wù)進行增強和指導(dǎo)，從而使得多模態(tài)模型可以確定出每個字符較為準確的標簽。

進一步，根據(jù)每個字符的標簽可以對該至少一行文本進行準確的斷句，尤其是對有歧義的文本行的斷句處理效果較好，避免將圖像中的多段文本識別為一段文本，以及避免后續(xù)的文本理解或處理出錯。

近日，阿里巴巴達摩院（杭州）科技有限公司還公開“測試器件以及采用測試器件進行測試的測試方法”、“主題詞確定方法、設(shè)備及存儲介質(zhì)”、“文本識別方法、圖像矯正方法、電子設(shè)備和存儲介質(zhì)”等多項專利。

天眼查資料顯示，阿里巴巴達摩院（杭州）科技有限公司成立于2017年11月7日，法定代表人為周明，注冊資本1000萬人民幣，經(jīng)營范圍包括：技術(shù)服務(wù)、技術(shù)開發(fā)、技術(shù)咨詢、技術(shù)交流、技術(shù)轉(zhuǎn)讓、技術(shù)推廣；軟件開發(fā)；專業(yè)設(shè)計服務(wù)；翻譯服務(wù)（除依法須經(jīng)批準的項目外，憑營業(yè)執(zhí)照依法自主開展經(jīng)營活動）。

股權(quán)穿透圖顯示，阿里巴巴達摩院（杭州）科技有限公司由阿里巴巴（中國）有限公司全資持股，認繳金額1000萬人民幣。