[發(fā)明專利]文本檢測方法、裝置及電子設備

在審

• 申請?zhí)枺?/td>: 201811323981.8
• 申請日: 2018-11-07
• 公開（公告）號: CN109492638A
• 公開（公告）日: 2019-03-19
• 發(fā)明（設計）人: 謝恩澤;邵帥
• 申請（專利權）人: 北京曠視科技有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06N3/04
• 代理公司: 北京超凡志成知識產(chǎn)權代理事務所(普通合伙) 11371
• 代理人: 蘇勝

本發(fā)明提供了一種文本檢測方法、裝置及電子設備，屬于圖像檢測技術領域，其中，文本檢測方法包括：通過特征提取網(wǎng)絡提取待檢測圖像的特征圖；將特征圖輸入文本檢測網(wǎng)絡，根據(jù)文本檢測網(wǎng)絡的輸出結果確定待檢測圖像中的文本區(qū)域；所述文本檢測網(wǎng)絡至少包括掩膜子網(wǎng)絡，用于輸出特征圖中的文本區(qū)域?qū)奈谋狙谀ぁ１景l(fā)明提供的文本檢測方法、裝置及電子設備，將待檢測圖像的特征圖輸入文本檢測網(wǎng)絡，通過文本檢測網(wǎng)絡中的掩膜子網(wǎng)絡將文本區(qū)域與背景區(qū)域進行分割，生成文本區(qū)域?qū)奈谋狙谀ぃ粌H可以檢測圖像中的水平文本或傾斜文本，還可以檢測彎曲文本或不規(guī)則文本，增強了文本檢測的通用性，并且提高了對彎曲文本或不規(guī)則文本的檢測精度。

技術領域

本發(fā)明屬于圖像檢測技術領域，尤其是涉及一種文本檢測方法、裝置及電子設備。

背景技術

隨著圖像采集裝置在拍照手機、掌上電腦等智能電子設備上的廣泛應用，基于圖像內(nèi)容的圖像檢測技術受到越來越多的重視，在圖像所包含的內(nèi)容當中，由于文本信息更容易被人類和計算機理解，因而受到更多的關注。在很多應用場景中，如車牌識別，自動駕駛場景下的路牌識別，圖文檢索等，都需要對圖像中的文本信息進行檢測。

對于自然場景圖像中的文本信息進行檢測，現(xiàn)有的方法通常是基于區(qū)域?qū)φ匀粓鼍皥D像進行檢測生成文本候選框，再對文本候選框進行非極大值抑制，獲得最終的文本包圍框的位置。但現(xiàn)有的方法只能檢測自然場景圖像中的水平或者傾斜文本，而無法檢測彎曲文本或?qū)澢谋镜臋z測結果不準確。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種文本檢測方法、裝置及電子設備，可以提高對彎曲文本及不規(guī)則文本的檢測精度。

為了實現(xiàn)上述目的，本發(fā)明實施例采用的技術方案如下：

第一方面，本發(fā)明實施例提供了一種文本檢測方法，包括：

通過特征提取網(wǎng)絡提取待檢測圖像的特征圖；

將所述特征圖輸入文本檢測網(wǎng)絡，根據(jù)所述文本檢測網(wǎng)絡的輸出結果確定所述待檢測圖像中的文本區(qū)域；所述文本檢測網(wǎng)絡至少包括掩膜子網(wǎng)絡，所述掩膜子網(wǎng)絡用于將所述特征圖中的文本區(qū)域與背景區(qū)域進行分割，輸出所述特征圖中的文本區(qū)域?qū)奈谋狙谀ぁ?/p>

結合第一方面，本發(fā)明實施例提供了第一方面的第一種可能的實施方式，其中，所述特征提取網(wǎng)絡包括殘差網(wǎng)絡和特征金字塔網(wǎng)絡，通過特征提取網(wǎng)絡提取待檢測圖像的特征圖的步驟，包括：

將所述待檢測圖像輸入所述殘差網(wǎng)絡，得到所述殘差網(wǎng)絡輸出的多個尺度的特征響應圖；

將所述多個尺度的特征響應圖輸入所述特征金字塔網(wǎng)絡，得到所述特征金字塔網(wǎng)絡輸出的多個尺度的特征圖；所述特征金字塔網(wǎng)絡包括多個網(wǎng)絡層，每個所述網(wǎng)絡層對應輸入一種尺度的特征響應圖，輸出對應尺度的特征圖。

結合第一方面，本發(fā)明實施例提供了第一方面的第二種可能的實施方式，其中，根據(jù)所述文本檢測網(wǎng)絡的輸出結果確定所述待檢測圖像中的文本區(qū)域的步驟，包括：

獲取預先配置的輸出框的類型；

如果所述輸出框的類型為水平框，獲取所述文本檢測網(wǎng)絡輸出的文本掩膜對應的最小外接水平框，將所述最小外接水平框覆蓋的區(qū)域作為所述待檢測圖像中的文本區(qū)域；

如果所述輸出框的類型為傾斜框，獲取所述文本檢測網(wǎng)絡輸出的文本掩膜對應的帶有傾斜角度的最小傾斜矩形框，將所述最小傾斜矩形框覆蓋的區(qū)域作為所述待檢測圖像中的文本區(qū)域。

結合第一方面或第一方面的第一種可能的實施方式，本發(fā)明實施例提供了第一方面的第三種可能的實施方式，其中，所述文本檢測網(wǎng)絡還包括分類子網(wǎng)絡和/或回歸子網(wǎng)絡；所述分類子網(wǎng)絡用于判斷所述特征圖中是否包含文本區(qū)域，輸出所述特征圖的分類結果；所述回歸子網(wǎng)絡用于確定所述特征圖中的水平文本區(qū)域的位置，輸出包含水平文本區(qū)域的包圍框。