文本识别方法、装置、电子设备及存储介质

本申请公开了一种文本识别方法、装置、电子设备，属于文本识别技术领域。所述方法包括：预先训练的文本识别模型的特征提取模块，对文本图像进行深层多尺度特征提取，获取多尺度图像特征；通过文本识别模型的编码器，对多尺度图像特征进行编码处理，得到编码特征；通过文本识别模型的区域选择模块，对编码特征进行文本行区域选择处理，得到文本行对应的第一查询向量；通过文本识别模型的解码器，基于第一查询向量和编码特征进行逐层解码处理，得到第二查询向量；通过文本识别模型的多个不同第一预测头，对第二查询向量进行文本相关信息预测，得到文本信息预测结果。本方法结合视觉和语义等多模态特征进行解码，提升了文本识别的准确度。