一种基于交互式局部注意力控制的分阶段OCR模型构建方法

本发明公开了一种基于交互式局部注意力控制的分阶段OCR模型构建方法，解决了VIT模型识别率低的问题，属于计算机视觉领域；包括：将包含位置信息的OCR图像数据集作为训练集；构建任务需求对应的掩码矩阵；采用ViT模型作为基础模型，基于PAN和SPP形成本体特征图；基于掩码矩阵构建无效区域；划分为Patch并加入二维RoPE相对位置编码，通过Transformer Encoder送入Ernie自回归Decoder作键值，生成头为全连接LM Head，得到OCR模型；首阶段对训练集进行训练，次阶段对掩码矩阵进行训练，得到训练好的分阶段OCR模型；本发明提高了小目标识别能力。