(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210263730.5 (22)申请日 2022.03.17 (71)申请人 上海亿保健康管理有限公司 地址 201800 上海市嘉定区沪宜公路1 185 号1幢17层1718室、 1720室 申请人 浙江大学 (72)发明人 李硕　 (74)专利代理 机构 北京超凡志成知识产权代理 事务所(普通 合伙) 11371 专利代理师 王术兰 (51)Int.Cl. G06F 40/279(2020.01) G06F 40/237(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01) (54)发明名称 模型训练、 字 符识别和样本生成方法、 装置、 电子设备及存 储介质 (57)摘要 本申请提供了模 型训练、 字 符识别和样 本生 成方法、 装置、 电子设备及存储介质。 该方法包 括： 获取训练集， 所述训练集包括通过自然语言 语料库中的语料生成的第一训练样 本， 以及通过 从单字字符库中随机获取的单字字符生成的第 二训练样 本； 利用所述第一训练样 本和所述第二 训练样本， 对待训练票据字符识别模型进行训 练， 以获取第一票据字符识别模型； 利用所述第 一训练样 本， 对所述第一票据字符识别模型进行 训练。 由于该第二训练样本通过从单字字符库中 随机获取的单字字符生成， 因此包含生僻字和低 频字的概率与第一训练样本相比相对较高， 进而 能够提高利用第二训练样本训练得到的模型， 对 生僻字和低频字识别结果的准确率。 权利要求书2页 说明书10页 附图4页 CN 114818677 A 2022.07.29 CN 114818677 A 1.一种票据字符识别模型的训练方法， 其特 征在于， 包括： 获取训练集， 所述训练集包括通过自然语言语料库中的语料生成的第一训练样本， 以 及通过从单字 字符库中随机获取的单字 字符生成的第二训练样本； 利用所述第一训练样本和所述第二训练样本， 对待训练票据字符识别模型进行训练， 以获取第一 票据字符识别模型； 利用所述第一训练样本， 对所述第一 票据字符识别模型进行训练。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 从所述单字 字符库中随机获取一个或多个单字 字符； 将所获取的一个或多个单字 字符按随机顺序排列， 以生成单字 字符串； 利用所述单字 字符串生成所述第二训练样本 。 3.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 从所述自然语言语料库中随机获取语料； 将所获取的语料 结合票据底板背景图， 生成所述第一训练样本 。 4.根据权利要求1所述的方法， 其特征在于， 利用所述第 一训练样本和所述第 二训练样 本， 对待训练票据字符识别模型进行训练， 以获取第一 票据字符识别模型， 具体包括： 利用第二数量的第二训练样本， 对所述待训练票据字符识别模型进行训练， 以获取第 二票据字符识别模型； 利用第一数量的第一训练样本， 对所述第二票据字符识别模型进行训练， 以获取第一 票据字符识别模型， 其中， 所述第二数量大于所述第一数量。 5.根据权利要求1所述的方法， 其特 征在于， 所述待训练票据字符识别模型包括特征提取层、 与所述特征提取层连接的全连接层， 以及与所述全连接层连接的CTC解码层； 以及， 所述第一票据字符识别模型包括特征提取层、 与所述特征提取层连接的全连接层， 以 及与所述全连接层连接的CTC解码层。 6.根据权利要求5所述的方法， 其特征在于， 在利用所述第 一训练样本和所述第 二训练 样本， 对待训练票据字符识别模型进行训练时， 通过如下公式计算损失函数： LCTC＝‑log(y＇ ) 其中， LCTC为所计算出的损失函数； y＇ 为所述待训练票据字符识别模型CTC解码层的输 出结果与样本标签相同的概 率。 7.根据权利要求5所述的方法， 其特征在于， 在利用所述第一训练样本， 对所述第一票 据字符识别模型进行训练时， 通过如下公式计算损失函数： LFocal_CTC＝α×(1‑y＇ )γ×log(y＇ ) 其中， LFocal_CTC为所计算出的损失函数； y＇ 为所述第一票据字符识别模型CTC解码层的 输出结果与样本标签相同的概 率； α 和γ均为预设 常数。 8.一种基于权利要求1～7任意一项的方法， 所训练得到的票据字符识别模型的票据字 符识别方法， 其特 征在于， 包括： 利用所述 票据字符识别模型对票据中的字符进行识别。 9.一种训练样本生成方法， 其特 征在于， 包括： 从单字字符库中随机获取一个或多个单字 字符；权　利　要　求　书 1/2 页 2 CN 114818677 A 2将所获取的一个或多个单字 字符按随机顺序排列， 以生成单字 字符串； 利用所述单字字符串生成第二训练样本， 以用于对待训练票据字符识别模型进行训 练。 10.一种票据字符识别模型的训练装置， 其特 征在于， 包括： 训练集获取单元， 用于获取训练集， 所述训练集包括通过自然语言语料库中的语料生 成的第一训练样本， 以及通过从单字 字符库中随机获取的单字 字符生成的第二训练样本； 第一训练单元， 用于利用所述第一训练样本和所述第二训练样本， 对待训练票据字符 识别模型进行训练， 以获取第一 票据字符识别模型； 第二训练单 元， 用于利用所述第一训练样本， 对所述第一 票据字符识别模型进行训练。 11.一种票据字符识别装置， 其特征在于， 包括： 识别模块， 用于利用票据字符识别模型 对票据中的字符进行识别， 其中， 所述票据字符识别模型基于权利要求1～8任意一项的方 法训练得到 。 12.一种训练样本生成装置， 其特 征在于， 包括： 获取单元， 用于从单字 字符库中随机获取一个或多个单字 字符； 字符串生成单元， 用于将所获取的一个或多个单字字符按随机顺序排列， 以生成单字 字符串； 第二训练样本生成单元， 用于利用所述单字字符串生成第二训练样本， 以用于对待训 练票据字符识别模型进行训练。 13.一种电子设备， 其特 征在于， 包括： 存储器， 用以存 储计算机程序； 处理器， 用以执 行如权利要求1至9中任一项所述的方法。 14.一种存储介质， 其特征在于， 包括： 程序， 当其在电子设备上运行时， 使得电子设备 可执行如权利要求1至9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114818677 A 3