[發(fā)明專利]一種圖像的文本檢測(cè)質(zhì)量評(píng)價(jià)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011348987.8
• 申請(qǐng)日: 2020-11-26
• 公開(kāi)（公告）號(hào): CN112287898A
• 公開(kāi)（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 叢建亭;黃賢俊;侯進(jìn)
• 申請(qǐng)（專利權(quán)）人: 深源恒際科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京匯信合知識(shí)產(chǎn)權(quán)代理有限公司 11335
• 代理人: 林聰源

本發(fā)明公開(kāi)了一種圖像的文本檢測(cè)質(zhì)量評(píng)價(jià)方法及系統(tǒng)，包括：對(duì)圖像進(jìn)行文本檢測(cè)和可視化繪制，得到文本檢測(cè)行對(duì)象；篩選概率小于預(yù)設(shè)值的文本檢測(cè)行對(duì)象，構(gòu)成待評(píng)價(jià)對(duì)象集合；采用深度學(xué)習(xí)分類網(wǎng)絡(luò)，依次對(duì)對(duì)象集合中每個(gè)文本檢測(cè)行對(duì)象的可視化圖像區(qū)域進(jìn)行質(zhì)量分類評(píng)價(jià)；其中，評(píng)價(jià)結(jié)果包括“可視化質(zhì)量差”和“可視化質(zhì)量良好”；輸出“可視化質(zhì)量差”的文本檢測(cè)行對(duì)象，構(gòu)成待質(zhì)檢修正對(duì)象集合。本發(fā)明采用了深度學(xué)習(xí)分類網(wǎng)絡(luò)學(xué)習(xí)文本檢測(cè)的可視化主觀視覺(jué)質(zhì)量，準(zhǔn)確率高；相比僅用閾值邏輯區(qū)分方式更加符合人眼主觀視覺(jué)感受，進(jìn)一步提高票據(jù)文本檢測(cè)標(biāo)注過(guò)程中的處理效率，降低企業(yè)人力運(yùn)營(yíng)成本。

技術(shù)領(lǐng)域

本發(fā)明涉及文本檢測(cè)質(zhì)量評(píng)價(jià)技術(shù)領(lǐng)域，具體涉及一種圖像的文本檢測(cè)質(zhì)量評(píng)價(jià)方法及系統(tǒng)，適用于票據(jù)等圖像。

背景技術(shù)

文本檢測(cè):文本檢測(cè)就是找出每個(gè)文本在圖片中出現(xiàn)的位置，通常類別只有2個(gè)有文字和沒(méi)文字。

質(zhì)量評(píng)價(jià)：圖像質(zhì)量評(píng)價(jià)方法有主觀評(píng)價(jià)和客觀評(píng)價(jià)兩個(gè)分支。主觀評(píng)價(jià)以人作為觀測(cè)者，對(duì)圖像進(jìn)行主觀評(píng)價(jià)，力求能夠真實(shí)地反映人的視覺(jué)感知；客觀評(píng)價(jià)方法借助于某種數(shù)學(xué)模型，反映人眼的主觀感知，給出基于數(shù)字計(jì)算的結(jié)果。

OCR(Optical Character Recognition光學(xué)字符識(shí)別)是指電子設(shè)備(例如掃描儀或數(shù)碼相機(jī))檢查紙上打印的字符，然后用字符識(shí)別方法將形狀翻譯成計(jì)算機(jī)文字的過(guò)程。圖像文字識(shí)別的解決方案通常是文本檢測(cè)和文字識(shí)別兩個(gè)步驟，文本檢測(cè)用來(lái)定位圖像中的文本行，文字識(shí)別則對(duì)文本行做進(jìn)一步的識(shí)別，從而得到結(jié)構(gòu)化得到文本信息。

2012年以來(lái)，深度學(xué)習(xí)在圖片識(shí)別領(lǐng)域取得非常大的進(jìn)步。相比傳統(tǒng)的圖片識(shí)別方法使用的色彩、HOG等低級(jí)視覺(jué)特征；深度神經(jīng)網(wǎng)絡(luò)能學(xué)得更多高級(jí)的、抽象的特征，這使得深度神經(jīng)網(wǎng)絡(luò)的性能遠(yuǎn)遠(yuǎn)超越傳統(tǒng)方法。2014年以來(lái)，深度學(xué)習(xí)開(kāi)始在物體檢測(cè)、物體分割等領(lǐng)域取得優(yōu)秀成果，涌現(xiàn)出Deeplab、YOLO、Faster RCNN等一序列方法，識(shí)別準(zhǔn)確率在特定任務(wù)上已經(jīng)超越了人類識(shí)別的水平，并在生成環(huán)境中得到大規(guī)模使用。

其中，文本檢測(cè)現(xiàn)在多流行端到端的深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)，包括訓(xùn)練環(huán)節(jié)和推理環(huán)節(jié)，通常情況下對(duì)文本檢測(cè)訓(xùn)練后的模型做質(zhì)量評(píng)價(jià)時(shí)通常采用有標(biāo)注ground truth的方式評(píng)估模型的召回和準(zhǔn)確率，從而獲得模型的性能參數(shù)。對(duì)票據(jù)圖像來(lái)說(shuō)，票據(jù)中的文本行經(jīng)常會(huì)特別豐富，有的票據(jù)多達(dá)幾百個(gè)文本行目標(biāo)，因此票據(jù)圖像數(shù)據(jù)標(biāo)注工作非常消耗人工成本，同時(shí)一個(gè)人完成一張票據(jù)圖像修正也會(huì)消耗大量時(shí)間和精力，更容易使得人工疲勞。

雖然現(xiàn)在業(yè)內(nèi)都會(huì)采用預(yù)標(biāo)注文本檢測(cè)框來(lái)改善票據(jù)圖像數(shù)據(jù)標(biāo)注效率，但為了獲取高質(zhì)量的文本檢測(cè)訓(xùn)練數(shù)據(jù)，即使對(duì)單張票據(jù)圖像的文本檢測(cè)行做質(zhì)檢修正，由于目標(biāo)數(shù)量很大，仍然是一個(gè)效率不夠高的標(biāo)注過(guò)程。

基于上述情況，為改善票據(jù)圖像標(biāo)注質(zhì)檢效率、節(jié)省人工標(biāo)注成本、獲取高質(zhì)量文本檢測(cè)訓(xùn)練圖像數(shù)據(jù)，是非常有必要對(duì)無(wú)標(biāo)注ground truth的票據(jù)圖像的文本行做質(zhì)量評(píng)價(jià)，標(biāo)注時(shí)僅關(guān)注質(zhì)量評(píng)價(jià)不高的文本行對(duì)象即可。

同時(shí)，通常文本檢測(cè)對(duì)象的質(zhì)量評(píng)價(jià)可以采用概率score設(shè)置閾值來(lái)實(shí)現(xiàn)，但概率具有一定的局限性，與人眼主觀偏差較大；部分概率值偏小的圖像從人眼主觀視覺(jué)上判斷也是質(zhì)量良好的，即使其概率由于某些原因不如周圍的文本對(duì)象。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中存在的上述問(wèn)題，本發(fā)明提供一種圖像的文本檢測(cè)質(zhì)量評(píng)價(jià)方法及系統(tǒng)，其基于深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)單個(gè)文本行對(duì)象的可視化圖像區(qū)域做出質(zhì)量分類評(píng)價(jià)，分類結(jié)果包括“可視化質(zhì)量差”和“可視化質(zhì)量良好”兩類，進(jìn)一步提高改善疑似問(wèn)題的文本行對(duì)象的人工質(zhì)檢修正效率。

本發(fā)明公開(kāi)了一種圖像的文本檢測(cè)質(zhì)量評(píng)價(jià)方法，包括：

對(duì)圖像進(jìn)行文本檢測(cè)和可視化繪制，得到文本檢測(cè)行對(duì)象；

篩選概率小于預(yù)設(shè)值的文本檢測(cè)行對(duì)象，構(gòu)成待評(píng)價(jià)對(duì)象集合；