阿里达摩院公开“图像中的文本识别方法、装置”专利

3月18日消息，天眼查资料显示，阿里巴巴达摩院（杭州）科技有限公司3月18日公开一项“图像中的文本识别方法、装置、设备及存储介质”专利，申请公布号为CN114202647A，申请日期为2022年2月16日。

该专利摘要显示，本公开涉及一种图像中的文本识别方法、装置、设备及存储介质。本公开通过获取目标图像，并确定该目标图像中包含至少一行文本的子图像。进一步，将所述子图像、以及所述至少一行文本中的每个字符输入多模态模型，由于子图像含有较为直观且准确的信息，从而使得多模态模型的输入中增加了原始视觉信息，使得多模态模型可以根据子图像对文本标注任务进行增强和指导，从而使得多模态模型可以确定出每个字符较为准确的标签。

进一步，根据每个字符的标签可以对该至少一行文本进行准确的断句，尤其是对有歧义的文本行的断句处理效果较好，避免将图像中的多段文本识别为一段文本，以及避免后续的文本理解或处理出错。

近日，阿里巴巴达摩院（杭州）科技有限公司还公开“测试器件以及采用测试器件进行测试的测试方法”、“主题词确定方法、设备及存储介质”、“文本识别方法、图像矫正方法、电子设备和存储介质”等多项专利。

天眼查资料显示，阿里巴巴达摩院（杭州）科技有限公司成立于2017年11月7日，法定代表人为周明，注册资本1000万人民币，经营范围包括：技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；软件开发；专业设计服务；翻译服务（除依法须经批准的项目外，凭营业执照依法自主开展经营活动）。

股权穿透图显示，阿里巴巴达摩院（杭州）科技有限公司由阿里巴巴（中国）有限公司全资持股，认缴金额1000万人民币。