[發明專利]圖片文字檢測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202011286320.X
• 申請日: 2020-11-17
• 公開（公告）號: CN112395450A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 左彬靖
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/00;G06K9/62
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種圖片文字檢測方法，其特征在于，包括下述步驟：

在接收到目標檢測圖片時，根據預設檢測模型計算所述目標檢測圖片的復雜度；

在所述復雜度為低復雜度時，根據預設標注模型中的第一標注模型獲取所述目標檢測圖片的特征向量，根據所述特征向量計算得到所述目標檢測圖片中第一文本框的目標文本坐標；

根據所述目標文本坐標，計算所述目標檢測圖片的中心坐標，將所述中心坐標小于等于預設誤差值的第一文本框融合為新文本框，將所述中心坐標大于所述預設誤差值的第一文本框確定為固定文本框；

提取所述新文本框和所述固定文本框中的文本信息，確定所述文本信息為所述目標檢測圖片的檢測文本。

2.根據權利要求1所述的圖片文字檢測方法，其特征在于，所述預設誤差值包括第一誤差值和第二誤差值，所述將所述中心坐標小于等于預設誤差值的第一文本框融合為新文本框的步驟具體包括：

獲取相鄰的兩個所述中心坐標的y軸坐標的第一像素差值，以及所述中心坐標的x軸坐標的第二像素差值；

將所述第一像素差值小于等于所述第一誤差值，且所述第二像素差值小于等于所述第二誤差值的第一文本框融合為新文本框。

3.根據權利要求1所述的圖片文字檢測方法，其特征在于，在所述根據預設檢測模型計算所述目標檢測圖片的復雜度的步驟之后包括：

在所述復雜度為高復雜度時，根據預設標注模型中的第二標注模型獲取所述目標檢測圖片對應的最小圖片，以及所述最小圖片中第二文本框的最小文本坐標；

將所述最小文本坐標并行映射至所述目標檢測圖片對應的最大圖片，得到所述目標檢測圖片的檢測文本坐標，根據所述檢測文本坐標計算得到所述目標檢測圖片對應的檢測文本。

4.根據權利要求3所述的圖片文字檢測方法，其特征在于，所述將所述最小文本坐標并行映射至所述目標檢測圖片對應的最大圖片，得到所述目標檢測圖片的檢測文本坐標的步驟具體包括：

獲取預設映射比例，按照所述預設映射比例將所述最小文本坐標并行放大，得到所述目標檢測圖片的檢測文本坐標。

5.根據權利要求1所述的圖片文字檢測方法，其特征在于，所述根據預設檢測模型計算所述目標檢測圖片的復雜度的步驟具體包括：

輸入所述目標檢測圖片至所述預設檢測模型的卷積層，經過池化層和全連接層，輸出得到檢測結果值；

根據預設的二分類損失函數對該檢測結果值進行預測，得到所述目標檢測圖片的復雜度。

6.根據權利要求1所述的圖片文字檢測方法，其特征在于，在所述根據預設標注模型中的第一標注模型獲取所述目標檢測圖片的特征向量的步驟之前還包括：

獲取初始文本圖片，劃分所述初始文本圖片為訓練圖片和測試圖片，輸入所述訓練圖片至預設的基礎標注模型中，得到所述訓練圖片的標注文本坐標；

根據所述標注文本坐標計算所述基礎標注模型的損失函數，在所述損失函數收斂時，確定所述基礎標注模型為訓練后的基礎標注模型；

根據所述測試圖片對所述訓練后的基礎標注模型進行驗證，在所述訓練后的基礎標注模型對所述測試圖片的驗證通過率大于等于預設通過率時，確定所述訓練后的基礎標注模型為預設標注模型。

7.根據權利要求6所述的圖片文字檢測方法，其特征在于，所述根據所述標注文本坐標計算所述基礎標注模型的損失函數的步驟具體包括：

基于預設標注工具對所述訓練圖片進行標注，得到所述訓練圖片的初始文本坐標；

計算所述初始文本坐標和所述標注文本坐標的平方差，根據所述平方差計算得到所述基礎標注模型的損失函數。