阿里達(dá)摩院公開“圖像中的文本識(shí)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(dá)摩院（杭州）科技有限公司3月18日公開一項(xiàng)“圖像中的文本識(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)”專利，申請(qǐng)公布號(hào)為CN114202647A，申請(qǐng)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(shí)別方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。本公開通過獲取目標(biāo)圖像，并確定該目標(biāo)圖像中包含至少一行文本的子圖像。進(jìn)一步，將所述子圖像、以及所述至少一行文本中的每個(gè)字符輸入多模態(tài)模型，由于子圖像含有較為直觀且準(zhǔn)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(duì)文本標(biāo)注任務(wù)進(jìn)行增強(qiáng)和指導(dǎo)，從而使得多模態(tài)模型可以確定出每個(gè)字符較為準(zhǔn)確的標(biāo)簽。

進(jìn)一步，根據(jù)每個(gè)字符的標(biāo)簽可以對(duì)該至少一行文本進(jìn)行準(zhǔn)確的斷句，尤其是對(duì)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(shí)別為一段文本，以及避免后續(xù)的文本理解或處理出錯(cuò)。

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

天眼查資料顯示，阿里巴巴達(dá)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(cè)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(jì)服務(wù)；翻譯服務(wù)（除依法須經(jīng)批準(zhǔn)的項(xiàng)目外，憑營業(yè)執(zhí)照依法自主開展經(jīng)營活動(dòng)）。

股權(quán)穿透圖顯示，阿里巴巴達(dá)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(rèn)繳金額1000萬人民幣。