[發(fā)明專利]一種基于語義分割的場景任意形狀的文本檢測方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010340620.5
• 申請(qǐng)日: 2020-04-26
• 公開（公告）號(hào): CN111553351A
• 公開（公告）日: 2020-08-18
• 發(fā)明（設(shè)計(jì)）人: 楊海東;羅哲;黃坤山;彭文瑜;林玉山
• 申請(qǐng)（專利權(quán)）人: 佛山市南海區(qū)廣工大數(shù)控裝備協(xié)同創(chuàng)新研究院;佛山市廣工大數(shù)控裝備技術(shù)發(fā)展有限公司
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 廣州科沃園專利代理有限公司 44416
• 代理人: 徐莉

1.一種基于語義分割的場景任意形狀的文本檢測方法，其特征在于，包括以下步驟：

S1、構(gòu)建任意形狀的基于語義分割的場景文本檢測網(wǎng)絡(luò)模型；

S2、根據(jù)整體目標(biāo)損失函數(shù)，利用反向傳播算法和隨機(jī)梯度下降優(yōu)化，最小化整體損失函數(shù)，對(duì)S1中設(shè)計(jì)的模型進(jìn)行迭代訓(xùn)練；

S3、利用逐步擴(kuò)展尺度的方法，根據(jù)S2中訓(xùn)練的模型來進(jìn)行場景文本檢測識(shí)別。

2.根據(jù)權(quán)利要求1所述的一種基于語義分割的場景任意形狀的文本檢測方法，其特征在于，所述步驟S1中場景文本檢測網(wǎng)絡(luò)模型的構(gòu)建方法包括以下步驟：

S101、利用特征金字塔網(wǎng)絡(luò)進(jìn)行特征提取和多特征融合，特征金字塔網(wǎng)絡(luò)是一個(gè)以殘差深度卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，由一個(gè)自底向上連接、一個(gè)頂向下連接和一個(gè)橫向連接的結(jié)構(gòu)組成的網(wǎng)絡(luò)；利用特征金字塔網(wǎng)絡(luò)模型從輸入數(shù)據(jù)集圖片中提取并融合低層高分辨率特征和高層高語義信息特征：首先，將訓(xùn)練數(shù)據(jù)集圖片輸入特征金字塔網(wǎng)絡(luò)自底向上網(wǎng)絡(luò)結(jié)構(gòu)中，即網(wǎng)絡(luò)的前向過程。前向過程中，網(wǎng)絡(luò)特征圖經(jīng)過某些層后會(huì)改變，而在經(jīng)過其他一些層的時(shí)候不會(huì)改變，以網(wǎng)絡(luò)中不改變特征圖大小的卷積層單元定義為一個(gè)層級(jí)，即有層級(jí){P₂,P₃,P₄,P₅}。接下來，利用自上而下連接進(jìn)行上采樣操作，利用橫向連接將高層特征和低層特征進(jìn)行融合，最后，再采用3*3卷積核對(duì)每個(gè)融合進(jìn)行卷積，以消除上采樣的混疊效應(yīng)，最終得到{F₂,F₃,F₄,F₅}四個(gè)特征層。

S102、利用文本/非文本區(qū)域分割網(wǎng)絡(luò)，實(shí)現(xiàn)像素級(jí)別文本區(qū)域識(shí)別，從而實(shí)現(xiàn)準(zhǔn)確定位具有任意形狀文本的檢測要求，并將步驟S101中所得到的特征圖經(jīng)1*1卷積層-上采樣-sigmoid層產(chǎn)生n個(gè)同一文本圖像里但文本區(qū)域分割尺度各異的mask圖S₁,S₂,…,S_n。

3.根據(jù)權(quán)利要求2所述的一種基于語義分割的場景任意形狀的文本檢測方法，其特征在于，所述步驟S102具體包括：

為順序獲得不同尺度mask圖，采用Vatti裁剪算法將原始多邊形p_n縮小d_i個(gè)像素從而得到縮小的多邊形p_i，其中每個(gè)縮放的p_i都被轉(zhuǎn)換成0/1二進(jìn)制的掩碼作為分割標(biāo)簽真值G₁,G₂,…,G_n；若定義真值的縮放比例r_i為：

其中，m是最小的尺度比例，在(0,1]之間，比例值r₁,r₂,…,r_n由兩個(gè)超參數(shù)n和m決定，它們從m線性增加到1。

則p_n和p_i之間的余量d_i可以計(jì)算為：

其中，Area(·)是計(jì)算多邊形面積的函數(shù)，Perimeter(·)是計(jì)算多邊形周長的函數(shù)。