[發明專利]場景文字檢測方法

有效

• 申請號: 201910567794.2
• 申請日: 2019-06-27
• 公開（公告）號: CN110263877B
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 張勇東;王裕鑫;謝洪濤;李巖
• 申請（專利權）人: 中國科學技術大學;北京中科研究院
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06V30/166;G06V30/19
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;鄭哲

本發明公開了一種場景文字檢測方法，包括：利用神經網絡對輸入圖像進行特征提取，并對提取的特征圖進行上采樣操作，得到不同尺寸的特征圖；以最大尺寸的特征圖為標準，將其余尺寸的特征圖映射為與最大尺寸的特征圖相同的尺寸；將映射到相同尺寸的特征圖進行尺度信息的融合，得到融合后的特征圖，這一融合操作能夠使不同尺寸的文字在融合后的特征圖中統一激活；對融合后的特征圖進行文字框的回歸和分類操作，得到場景文字檢測結果。上述方法能夠從根本上提升特征圖的質量，從而提升場景文字檢測的性能。

技術領域

本發明涉及文字識別技術領域，尤其涉及一種場景文字檢測方法。

背景技術

自然場景文字檢測與識別是一種通用的文字識別技術，已成為近年來計算機視覺與文檔分析領域的熱點研究方向，其被廣泛應用于車牌識別、無人駕駛、人機交互等領域。

由于自然場景中的文字檢測與識別面臨背景復雜、分辨率低下、字體多變等困難，導致傳統的文字檢測與識別技術無法應用到自然場景的文字檢測與識別中。文字檢測技術作為識別的基礎，具有重大的研究意義。

近年來，隨著深度學習技術在目標檢測領域的發展，通用的目標檢測技術在場景文字檢測中達到了比較好的效果。深度學習運用于自然場景文字檢測成為了一種趨勢。但是由于這些方法包含較繁瑣的后處理步驟和文字檢測本身的多樣性，導致檢測的速度和精度還有待提升。

發明內容

本發明的目的是提供一種場景文字檢測方法，能夠提升文字檢測的召回率。

本發明的目的是通過以下技術方案實現的：

一種場景文字檢測方法，包括：

利用神經網絡對輸入圖像進行特征提取，并對提取的特征圖進行上采樣操作，得到不同尺寸的特征圖；

以最大尺寸的特征圖為標準，將其余尺寸的特征圖映射為與最大尺寸的特征圖相同的尺寸；

將映射到相同尺寸的特征圖進行不同尺度信息的融合，這一融合操作能夠使不同尺度的文字特征在融合后的統一尺寸的特征圖中得到統一的激活；

對融合后的特征圖進行文字框的回歸和分類操作，得到場景文字檢測結果。

由上述本發明提供的技術方案可以看出，通過尺寸映射操作可以統一特征圖的尺寸，通過建立尺度關系能夠傳遞特征圖的尺度信息，由于不同尺寸的特征圖對不同尺度的文字具有更好地表達(小尺寸的特征圖能夠更好地檢測大目標而丟失小目標的細節，大尺寸的特征圖則相反)，從而能夠使不同尺度的文字在特征圖中實現更加統一地激活，從根本上提升特征圖的質量，從而提升場景文字檢測的性能。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。

圖1為本發明實施例提供的一種場景文字檢測方法的示意圖；

圖2為本發明實施例提供的尺寸映射的示意圖；

圖3為本發明實施例提供的雙向卷積操作的示意圖；

圖4為本發明實施例提供的特征聚合操作的示意圖；

圖5為本發明實施例提供的場景文字檢測結果示意圖。

具體實施方式

下面結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明的保護范圍。