[發明專利]文本檢測方法、模型訓練方法及對應裝置

有效

• 申請號: 202010623505.9
• 申請日: 2020-06-30
• 公開（公告）號: CN111767867B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 張發恩;張建偉
• 申請（專利權）人: 創新奇智（北京）科技有限公司
• 主分類號: G06V30/412
• 分類號: G06V30/412;G06V30/19;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 唐正瑜

1.一種文本檢測方法，其特征在于，包括：

獲取待檢測圖像；

將所述待檢測圖像輸入至預訓練的文本檢測網絡進行處理，獲得所述文本檢測網絡輸出的候選框的位置、所述候選框的文本分數以及所述候選框的連接分數；其中，所述文本檢測網絡包括依次連接的卷積神經網絡、滑動窗口層、長短時記憶網絡以及全連接層，所述待檢測圖像從所述卷積神經網絡輸入，依次經所述卷積神經網絡、所述滑動窗口層、所述長短時記憶網絡以及所述全連接層處理后，得到所述全連接層輸出的所述候選框的位置、所述候選框的文本分數以及所述候選框的連接分數，所述候選框經由以所述卷積神經網絡輸出的特征圖中的特征點為中心點的錨框回歸后得到，每個候選框對應輸出一個文本分數以及一個連接分數，所述文本分數包括該候選框中包含文本的分數以及該候選框中不包含文本的分數，所述連接分數包括該候選框與相鄰的候選框連接的分數以及不與相鄰的候選框連接的分數；

根據所述候選框的文本分數從全部的候選框中確定目標候選框；

根據所述目標候選框的連接分數將其與相鄰的目標候選框進行連接，并根據連接在一起的目標候選框確定文本行檢測框。

2.根據權利要求1所述的文本檢測方法，其特征在于，所述根據所述候選框的文本分數從全部的候選框中確定目標候選框，包括：

對于所述卷積神經網絡輸出的特征圖中的每個特征點，從以該特征點為中心點的所有錨框回歸得到的候選框中選擇文本分數最高的候選框作為所述目標候選框。

3.根據權利要求1所述文本檢測方法，其特征在于，根據連接在一起目標候選框確定的文本行檢測框有多個，所述方法還包括：

利用非極大值抑制算法對多個文本行檢測框進行處理，得到最終的文本行檢測框。

4.根據權利要求1-3中任一項所述的文本檢測方法，其特征在于，所述根據所述目標候選框的連接分數將其與相鄰的目標候選框進行連接，包括：

若所述目標候選框的連接分數大于預設分數閾值，則將所述目標候選框與相鄰的目標候選框進行連接。

5.一種模型訓練方法，其特征在于，包括：

獲取訓練圖像；

將所述訓練圖像輸入至待訓練的文本檢測網絡進行處理，獲得所述文本檢測網絡輸出的候選框的位置、所述候選框的文本分數以及所述候選框的連接分數；其中，所述文本檢測網絡包括依次連接的卷積神經網絡、滑動窗口層、長短時記憶網絡以及全連接層，所述訓練圖像從所述卷積神經網絡輸入，依次經所述卷積神經網絡、所述滑動窗口層、所述長短時記憶網絡以及所述全連接層處理后，得到所述全連接層輸出的所述候選框的位置、所述候選框的文本分數以及所述候選框的連接分數；

根據所述候選框的位置、所述候選框的文本分數以及所述候選框的連接分數計算所述文本檢測網絡的預測損失，并根據所述預測損失更新所述文本檢測網絡的參數；

其中，所述預測損失中包括邊框位置損失、文本分類損失以及連接損失，所述邊框位置損失表征所述候選框的位置與對應的真實框的位置之間的差異，所述文本分類損失表征所述候選框的文本分數與對應的真實文本分數之間的差異，所述連接損失表征所述候選框的連接分數與對應的真實連接分數之間的差異；

所述候選框經由以所述卷積神經網絡輸出的特征圖中的特征點為中心點的錨框回歸后得到，每個候選框對應輸出一個文本分數以及一個連接分數，所述文本分數包括該候選框中包含文本的分數以及該候選框中不包含文本的分數，所述連接分數包括該候選框與相鄰的候選框連接的分數以及不與相鄰的候選框連接的分數，所述候選框對應的真實連接分數是指用于回歸產生所述候選框的錨框的連接分數；

若一個錨框的中心點和與其相鄰的錨框的中心點在同一個真實文本行檢測框內，則該錨框的連接分數為表征相鄰的兩個錨框相連接的數值，否則該錨框的連接分數為表征相鄰的兩個錨框不連接的數值。