模型训练、图文识别方法、装置、电子设备和存储介质

本发明提供一种模型训练、图文识别方法、装置、电子设备和存储介质，其中方法包括：基于初始识别模型的视觉分支和语义分支，分别提取样本图像的视觉特征和语义特征；基于字符一致但排序不同的多个样本图像的视觉特征之间的差异，确定视觉约束损失；基于语义一致的多个样本图像的语义特征之间的差异，和/或，语义相近的多个样本图像的语义特征之间的差异，确定语义约束损失；基于视觉约束损失，对视觉分支进行参数迭代，以及，基于语义约束损失，对语义分支进行参数迭代，基于参数迭代完成后的初始识别模型，确定训练完成的图文识别模型。本发明提供的方法、装置、电子设备和存储介质，保证了复杂场景下图文识别的语义合理性和识别准确性。