[發明專利]一種文本檢測方法和裝置在審
| 申請號： | 202011387915.4 | 申請日： | 2020-12-02 |
| 公開（公告）號： | CN112183523A | 公開（公告）日： | 2021-01-05 |
| 發明（設計）人： | 謝春鴻 | 申請（專利權）人： | 北京云測信息技術有限公司 |
| 主分類號： | G06K9/20 | 分類號： | G06K9/20;G06K9/62 |
| 代理公司： | 北京國昊天誠知識產權代理有限公司 11315 | 代理人： | 許振新 |
| 地址： | 100016 北京市朝*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 文本 檢測 方法 裝置 | ||
1.一種文本檢測方法，其特征在于，包括：
獲取包含文本的圖片；
對所述圖片進行文本檢測，得到檢測結果，所述檢測結果中包括文本框和非文本框；
基于預先訓練的分類模型對所述檢測結果中的文本框和非文本框進行分類，得到文本框和非文本框。
2.如權利要求1所述的方法，其特征在于，所述分類模型通過以下方式確定得到：
獲取樣本圖片，所述樣本圖片中包括已標注的樣本文本框和樣本非文本框；
提取所述樣本圖片中的所述樣本文本框和所述樣本非文本框；
基于所述樣本文本框和所述樣本非文本框進行學習訓練，得到所述分類模型。
3.如權利要求2所述的方法，其特征在于，在基于所述樣本文本框和所述樣本非文本框進行學習訓練之前，所述方法還包括：
對所述樣本文本框和所述樣本非文本框進行標準化處理，得到具有相同大小的樣本文本框和樣本非文本框；
對標準化處理后得到的樣本文本框和樣本非文本框進行數據清洗，得到用于模型訓練的樣本文本框和樣本非文本框。
4.如權利要求3所述的方法，其特征在于，基于所述樣本文本框和所述樣本非文本框進行學習訓練，得到所述分類模型，包括：
構建神經網絡模型，所述神經網絡模型中包括卷積層、標準化層、池化層、丟棄層和全連接層；
基于所述神經網絡模型對數據清洗后的樣本文本框和樣本非文本框進行學習訓練，得到所述分類模型。
5.如權利要求1所述的方法，其特征在于，基于預先訓練的分類模型對所述檢測結果中的文本框和非文本框進行分類，包括：
將所述檢測結果中的文本框和非文本框進行標準化處理，得到具有相同大小的文本框和非文本框；
將標準化處理后得到的文本框和非文本框輸入所述分類模型，得到輸出結果；
基于所述輸出結果對所述檢測結果中的文本框和非文本框進行分類。
6.如權利要求5所述的方法，其特征在于，所述輸出結果中包括模型輸入屬于文本框的概率；
其中，基于所述輸出結果對所述檢測結果中的文本框和非文本框進行分類，包括：
針對所述檢測結果中的任一待分類對象，確定與所述待分類對象對應的模型輸出結果；
若所述模型輸出結果中包括的概率大于或等于預設閾值，則確定所述待分類對象為文本框；
若所述模型輸出結果中包括的概率小于所述預設閾值，則確定所述待分類對象為非文本框。
7.如權利要求1所述的方法，其特征在于，在得到文本框和非文本框后，所述方法還包括：
基于分類得到的文本框進行文本識別，得到所述圖片中的文本。
8.一種文本檢測裝置，其特征在于，包括：
獲取單元，獲取包含文本的圖片；
文本檢測單元，對所述圖片進行文本檢測，得到檢測結果，所述檢測結果中包括文本框和非文本框；
分類單元，基于預先訓練的分類模型對所述檢測結果中的文本框和非文本框進行分類，得到文本框和非文本框。
9.一種電子設備，其特征在于，包括：
處理器；以及
被安排成存儲計算機可執行指令的存儲器，該可執行指令在被執行時使該處理器執行以下操作：
獲取包含文本的圖片；
對所述圖片進行文本檢測，得到檢測結果，所述檢測結果中包括文本框和非文本框；
基于預先訓練的分類模型對所述檢測結果中的文本框和非文本框進行分類，得到文本框和非文本框。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲一個或多個程序，所述一個或多個程序當被包括多個應用程序的電子設備執行時，使得所述電子設備執行以下方法：
獲取包含文本的圖片；
對所述圖片進行文本檢測，得到檢測結果，所述檢測結果中包括文本框和非文本框；
基于預先訓練的分類模型對所述檢測結果中的文本框和非文本框進行分類，得到文本框和非文本框。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京云測信息技術有限公司，未經北京云測信息技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011387915.4/1.html，轉載請聲明來源鉆瓜專利網。
