一种场景文本识别方法、装置、设备及介质

本发明公开一种场景文本识别方法、装置、设备及介质，方法包括：将待识别图片输入至包括浅层特征提取及缩放模块、局部空间自注意力编码模块、全局编码模块和Transformer解码模块的场景文本识别模型；通过浅层特征提取及缩放模块对待识别图片依次进行卷积、池化及分块处理，获得若干特征图；通过局部空间自注意力编码模块对各个特征图进行局部注意力编码，获得包含局部空间信息的第一特征向量；通过全局编码模块对第一特征向量进行全局编码，获得包含局部空间信息和全局语义信息的第二特征向量；通过Transformer解码模块基于第二特征向量进行语义解码，获得文本序列。本发明能够提高对于不规则文本的识别准确率。