1.一种文本识别方法，其特征在于，包括：

对待检测图像进行特征提取处理，获得多个语义向量，其中，所述多个语义向量与所述待检测图像中的文本序列的多个字符对应；

通过卷积神经网络对所述多个语义向量依次进行识别处理，得到所述文本序列的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络对所述多个语义向量依次进行识别处理，得到所述文本序列的识别结果，包括：通过卷积神经网络对目标语义向量的先验信息进行处理，获得所述目标语义向量的权值参数，其中，所述多个语义向量包括所述目标语义向量；

根据所述权值参数和所述目标语义向量，确定与所述目标语义向量对应的文本识别结果。

3.根据权利要求2所述的方法，其特征在于，所述先验信息包括所述目标语义向量的前一语义向量对应的文本识别结果和/或起始符。

4.根据权利要求2或3所述的方法，其特征在于，所述通过卷积神经网络对目标语义向量的先验信息进行处理，获得所述目标语义向量的权值参数，包括：通过所述卷积神经网络中的至少一个第一卷积层对所述目标语义向量进行编码处理，获得所述目标语义向量的第一向量；

通过所述卷积神经网络中的至少一个第二卷积层对所述目标语义向量的先验信息进行编码处理，获得与所述先验信息对应的第二向量；

基于所述第一向量和所述第二向量，确定所述权值参数。

5.根据权利要求4所述的方法，其特征在于，所述通过所述卷积神经网络中的至少一个第二卷积层对所述目标语义向量的先验信息进行编码处理，获得与所述先验信息对应的第二向量，包括：响应于所述先验信息包括所述目标语义向量的前一语义向量对应的文本识别结果，对所述前一语义向量对应的文本识别结果进行词嵌入处理，获得与先验信息对应的特征向量；

通过所述卷积神经网络中的至少一个第二卷积层对所述特征向量进行编码处理，得到所述第二向量。

6.根据权利要求4或5所述的方法，其特征在于，所述通过所述卷积神经网络中的至少一个第二卷积层对所述目标语义向量的先验信息进行编码处理，获得与所述先验信息对应的第二向量，包括：通过所述卷积神经网络中的至少一个第二卷积层对所述先验信息中的起始符对应的初始向量进行编码处理，得到所述第二向量。

7.根据权利要求2至6中任一项所述的方法，其特征在于，所述根据所述权值参数和所述目标语义向量，确定与所述目标语义向量对应的文本识别结果，包括：基于所述权值参数和所述目标语义向量，获得与所述目标语义向量对应的注意力分布向量；

通过所述卷积神经网络中的至少一个反卷积层对所述注意力分布向量进行解码处理，确定与所述目标语义向量对应的文本识别结果。

8.一种文本识别装置，其特征在于，包括：

提取模块，用于对待检测图像进行特征提取处理，获得多个语义向量，其中，所述多个语义向量与所述待检测图像中的文本序列的多个字符对应；

识别模块，用于通过卷积神经网络对所述多个语义向量依次进行识别处理，得到所述文本序列的识别结果。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：调用所述存储器中存储的指令，以执行权利要求1至7中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。