[發(fā)明專(zhuān)利]一種圖文標(biāo)識(shí)檢測(cè)識(shí)別方法、裝置、服務(wù)器及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010497450.1
• 申請(qǐng)日: 2020-06-03
• 公開(kāi)（公告）號(hào): CN111652219B
• 公開(kāi)（公告）日: 2023-08-04
• 發(fā)明（設(shè)計(jì)）人: 鐘藝豪;李百川;蔡銳濤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 有米科技股份有限公司
• 主分類(lèi)號(hào): G06V30/19
• 分類(lèi)號(hào): G06V30/19;G06V30/146
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 李婷婷

本發(fā)明提供一種圖文標(biāo)識(shí)檢測(cè)識(shí)別方法、裝置、服務(wù)器及存儲(chǔ)介質(zhì)，確定待進(jìn)行圖文標(biāo)識(shí)檢測(cè)識(shí)別的圖像；將圖像輸入至預(yù)訓(xùn)練的圖文標(biāo)識(shí)檢測(cè)模型預(yù)測(cè)圖像中的至少一個(gè)第一圖文標(biāo)識(shí)區(qū)域；根據(jù)預(yù)訓(xùn)練的圖文標(biāo)識(shí)識(shí)別模型對(duì)圖像在第一圖文標(biāo)識(shí)區(qū)域的圖像內(nèi)容進(jìn)行圖文標(biāo)識(shí)識(shí)別得到第一圖文標(biāo)識(shí)區(qū)域的第一識(shí)別結(jié)果；利用預(yù)訓(xùn)練的OCR檢測(cè)識(shí)別模型對(duì)圖像進(jìn)行字符類(lèi)圖文標(biāo)識(shí)檢測(cè)識(shí)別得到圖像的至少一個(gè)第二圖文標(biāo)識(shí)區(qū)域和每個(gè)第二圖文標(biāo)識(shí)區(qū)域的第二識(shí)別結(jié)果；基于第一圖文標(biāo)識(shí)區(qū)域、第一識(shí)別結(jié)果、第二圖文標(biāo)識(shí)區(qū)域和第二識(shí)別結(jié)果確定圖像的圖文標(biāo)識(shí)區(qū)域和圖文標(biāo)識(shí)區(qū)域的識(shí)別結(jié)果。本發(fā)明能夠提高網(wǎng)絡(luò)識(shí)別效果和降低網(wǎng)絡(luò)訓(xùn)練消耗。

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，更具體地說(shuō)，涉及一種圖文標(biāo)識(shí)檢測(cè)識(shí)別方法、裝置、服務(wù)器及存儲(chǔ)介質(zhì)。

背景技術(shù)

圖文標(biāo)識(shí)是公司或產(chǎn)品的標(biāo)識(shí)符，一個(gè)設(shè)計(jì)良好的圖文標(biāo)識(shí)既能表現(xiàn)豐富的品牌文化，又能起到良好的推廣作用。圖文標(biāo)識(shí)經(jīng)常見(jiàn)于圖片或視頻廣告中，能為公司或產(chǎn)品帶來(lái)很大的曝光量，而圖文標(biāo)識(shí)檢測(cè)識(shí)別技術(shù)能自動(dòng)檢測(cè)并識(shí)別圖片或視頻中的圖文標(biāo)識(shí)信息，在商品溯源追蹤、廣告營(yíng)銷(xiāo)分析、侵權(quán)查詢等領(lǐng)域有著巨大的應(yīng)用前景。其中，圖文標(biāo)識(shí)可以為具有特定商業(yè)場(chǎng)景的Logo。

傳統(tǒng)通用物體檢測(cè)識(shí)別技術(shù)已有相對(duì)成熟的研究，而圖文標(biāo)識(shí)由于其差異不一(不同品牌可能有類(lèi)似的圖文標(biāo)識(shí)樣式)、大小不一、種類(lèi)繁多等情形，傳統(tǒng)通用物體檢測(cè)識(shí)別技術(shù)對(duì)圖文標(biāo)識(shí)檢測(cè)識(shí)別的效果不盡人意。

目前雖然通過(guò)網(wǎng)絡(luò)模型能夠?qū)崿F(xiàn)對(duì)圖文標(biāo)識(shí)的檢測(cè)識(shí)別，但是大多將圖文標(biāo)識(shí)檢測(cè)和圖文標(biāo)識(shí)識(shí)別放在同一個(gè)網(wǎng)絡(luò)中，同時(shí)輸出圖文標(biāo)識(shí)區(qū)域和圖文標(biāo)識(shí)類(lèi)別。這種圖文標(biāo)識(shí)檢測(cè)識(shí)別技術(shù)當(dāng)圖文標(biāo)識(shí)類(lèi)別基數(shù)非常大時(shí)，不僅訓(xùn)練網(wǎng)絡(luò)需要的資源消耗很大、可能造成網(wǎng)絡(luò)不收斂的情況，而且每當(dāng)新增一個(gè)圖文標(biāo)識(shí)類(lèi)別時(shí)，都需要重新訓(xùn)練一次網(wǎng)絡(luò)，代價(jià)太大。并且，目前的圖文標(biāo)識(shí)檢測(cè)識(shí)別技術(shù)要么側(cè)重于對(duì)圖形類(lèi)圖文標(biāo)識(shí)的檢測(cè)識(shí)別，要么側(cè)重于對(duì)字符類(lèi)的圖文標(biāo)識(shí)的檢測(cè)識(shí)別，檢測(cè)識(shí)別效果單一，圖文標(biāo)識(shí)檢測(cè)識(shí)別效果并不理想。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種圖文標(biāo)識(shí)檢測(cè)識(shí)別方法、裝置、服務(wù)器及存儲(chǔ)介質(zhì)，以在提高網(wǎng)絡(luò)識(shí)別效果的基礎(chǔ)上，降低網(wǎng)絡(luò)訓(xùn)練消耗。技術(shù)方案如下：

本發(fā)明第一方面公開(kāi)一種圖文標(biāo)識(shí)檢測(cè)識(shí)別方法，包括：

確定待進(jìn)行圖文標(biāo)識(shí)檢測(cè)識(shí)別的圖像；

將所述圖像輸入至預(yù)訓(xùn)練的圖文標(biāo)識(shí)檢測(cè)模型預(yù)測(cè)所述圖像中的至少一個(gè)第一圖文標(biāo)識(shí)區(qū)域；

根據(jù)預(yù)訓(xùn)練的圖文標(biāo)識(shí)識(shí)別模型對(duì)所述圖像在所述第一圖文標(biāo)識(shí)區(qū)域的圖像內(nèi)容進(jìn)行圖文標(biāo)識(shí)識(shí)別得到所述第一圖文標(biāo)識(shí)區(qū)域的第一識(shí)別結(jié)果；

利用預(yù)訓(xùn)練的OCR檢測(cè)識(shí)別模型對(duì)所述圖像進(jìn)行字符類(lèi)圖文標(biāo)識(shí)檢測(cè)識(shí)別得到所述圖像的至少一個(gè)第二圖文標(biāo)識(shí)區(qū)域和每個(gè)所述第二圖文標(biāo)識(shí)區(qū)域的第二識(shí)別結(jié)果；

基于所述第一圖文標(biāo)識(shí)區(qū)域、所述第一圖文標(biāo)識(shí)區(qū)域的第一識(shí)別結(jié)果、第二圖文標(biāo)識(shí)區(qū)域和所述第二圖文標(biāo)識(shí)區(qū)域的第二識(shí)別結(jié)果確定所述圖像的圖文標(biāo)識(shí)區(qū)域和所述圖文標(biāo)識(shí)區(qū)域的識(shí)別結(jié)果。

可選的，還包括：

從當(dāng)前所述至少一個(gè)第一圖文標(biāo)識(shí)區(qū)域中選取歷史未被選取的面積最小的第三圖文標(biāo)識(shí)區(qū)域；

檢測(cè)當(dāng)前所述至少一個(gè)第一圖文標(biāo)識(shí)區(qū)域中面積大于所述第三圖文標(biāo)識(shí)區(qū)域的各個(gè)第一圖文標(biāo)識(shí)區(qū)域中是否存在第四圖文標(biāo)識(shí)區(qū)域，所述第四圖文標(biāo)識(shí)區(qū)域與所述第三圖文標(biāo)識(shí)區(qū)域之間的重疊程度滿足預(yù)設(shè)重疊條件；

若當(dāng)前所述至少一個(gè)第一圖文標(biāo)識(shí)區(qū)域中面積大于所述第三圖文標(biāo)識(shí)區(qū)域的各個(gè)第一圖文標(biāo)識(shí)區(qū)域中存在第四圖文標(biāo)識(shí)區(qū)域，將所述第三圖文標(biāo)識(shí)區(qū)域從所述至少一個(gè)第一圖文標(biāo)識(shí)區(qū)域中刪除；