[發明專利]一種即插即用的單字分割器

在審

• 申請號: 202011387546.9
• 申請日: 2020-12-02
• 公開（公告）號: CN113361531A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 方徐偉;張校;張帥;徐小龍;謝巍盛
• 申請（專利權）人: 天翼電子商務有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種即插即用的單字分割器，具體包括以下步驟：S1.建立網絡架構；S2.Label生成和S3.Loss函數。本發明提出了一種基于深度學習的單字分割方法，可以接在文本行分割之后，實現單字分割，即插即用，方便魯棒并且實時使用，適用于復雜的場景文本。

技術領域

本發明涉及文本檢測領域，特別涉及一種即插即用的單字分割器。

背景技術

在OCR領域主要分為文本檢測和文本識別，對于文本檢測，目前的主要研究在文本行的檢測，一系列的技術包括，ctpn，east，psenet，dbnet等等。但是這些是基于文本行的檢測，也有一些研究在單字分割上，但主要采用傳統方式，例如行列投影法，直方圖分割等等。這些方式魯棒性極差，不適用于復雜的場景文本。

發明內容

本發明要解決的技術問題是克服現有技術的缺陷，提供一種即插即用的單字分割器，提出了一種基于深度學習的單字分割方法，可以接在文本行分割之后，實現單字分割，即插即用，方便魯棒并且實時。

為了解決上述技術問題，本發明提供了如下的技術方案：

本發明一種即插即用的單字分割器，具體包括以下步驟：

S1.建立網絡架構：

網絡結構由5個conv-bn-relu的convblock和5個 stride＝2,kernel_size＝2的pooling作為特征提取，對于訓練圖片w*h，其中w＝1024，h＝32.h方向Pooling到1，為了提升效果，加入了lstm對w方向實行語義監督，最后接4個deconv-bn-relu的deconvblock對w方向做特征 upsample，最后接2個輸出deconvblock，最后2個輸出層都得到1*1*1*1024 向量；

S2.Label生成：

設start橫坐標x1,end橫坐標x2，在這些x1,x2上置1，別的置0，為增加正樣本，左右padding＝2，生成字符label：設start橫坐標x1,end橫坐標x2,文字寬度＝x2-x1，文字中心＝(x2+x1)/2，以文字中心向左右padding 文字寬度/4,置為1，其余置為0；

S3.Loss函數：

使用帶權重的binary_cross_entropy,公式如下：

Loss＝alpha*y*log(f(x))+belta*(1-y)*log(1-f(x))。

與現有技術相比，本發明的有益效果如下：

本發明提出了一種基于深度學習的單字分割方法，可以接在文本行分割之后，實現單字分割，即插即用，方便魯棒并且實時使用，適用于復雜的場景文本。

附圖說明

附圖用來提供對本發明的進一步理解，并且構成說明書的一部分，與本發明的實施例一起用于解釋本發明，并不構成對本發明的限制。在附圖中：

圖1是本發明的網絡架構示意圖；

圖2是本發明的實施例示意圖之一；

圖3是本發明的實施例示意圖之二；

圖4是本發明的實施例示意圖之三；

圖5是本發明的實施例示意圖之四。

具體實施方式

以下結合附圖對本發明的優選實施例進行說明，應當理解，此處所描述的優選實施例僅用于說明和解釋本發明，并不用于限定本發明。

實施例1

本發明如圖1-5所示，本發明提供一種即插即用的單字分割器，具體包括以下步驟：