[發明專利]一種文字檢測中使用的高效解碼方法

有效

• 申請號: 202011413971.0
• 申請日: 2020-12-03
• 公開（公告）號: CN112541417B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 吳軍;張伯政;樊昭磊;何彬彬
• 申請（專利權）人: 山東眾陽健康科技集團有限公司
• 主分類號: G06V10/94
• 分類號: G06V10/94;G06V30/41
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 支文彬

1.一種文字檢測中使用的高效解碼方法，其特征在于，包括如下步驟：

a)獲取運行參數，將目標圖像內像素的激活閾值表示為T_i，將頭部和尾部回歸像素的激活閾值表示為T_s，將尾部回歸像素的激活閾值表示為T_t；

b)獲取Advanced-East模型的輸出張量并表示為P，使用P_(i,：,：)表示張量P中第一個維度索引為i，第二個維度索引全部區域，第三個維度索引全部區域，P_(0,：,：)為目標內像素的激活概率，P_(1,：,：)為頭部和尾部回歸像素的激活概率；P_(2,：,：)為尾部回歸像素的激活概率；P_(3,：,：)為頭部回歸像素的左上點橫向坐標的差值或尾部回歸像素的右下點橫向坐標的差值，P_(4,：,：)代表頭部回歸像素的左上點縱向坐標的差值或尾部回歸像素點右下點縱向坐標的差值，P_(5,：,：)代表頭部回歸像素的左下點橫向坐標的差值或尾部回歸像素點右上點橫向坐標的差值，P_(6,：,：)代表頭部回歸像素的左下點縱向坐標的差值或尾部回歸像素點右上點縱向坐標的差值，獲取像素的坐標圖，表示為張量M，張量M橫向第l列中縱向第n個像素的坐標為M_(：,l,n)；

c)設置空集合R，用于收集結果；

d)使用高斯模糊方法，對P_(0,：,：)進行模糊處理，模糊后的P_(0,：,：)表示為P_G(0,：,：)；

e)對P_G(0,：,：)進行二值化處理，處理后的P_G(0,：,：)表示為P_B(0,：,：)；

f)使用連通域分析算法求取P_B(0,：,：)中的連通域，將得到的結果表示為矩陣A和值N，矩陣A為每個像素對應的連通域標號，值N為連通域的個數；

g)設置循環變量k＝0；

h)設置臨時變量Y_i，通過公式計算更新Y_i的值，式中*為矩陣對應位置相乘的計算，＝＝為相等的邏輯計算；

i)如果Y_i＞T_i，則執行步驟j)，如果Y_i≤T_i，則使用公式k＝k+1更新k的值后，返回執行步驟h)；

j)設置臨時變量Y_s，通過公式Y_s＝∑[(A＝＝k)*(P_(1,：,：)＞T_s)]計算更新Y_s的值，式中＞為大于的邏輯計算；

k)如果Y_s＞0，則執行步驟l)，如果Y_s≤0，則使用公式k＝k+1更新k的值后，返回執行步驟h)；

l)設置臨時變量TM，使用公式TM＝(A＝＝k)*(P_(1,：,：)＞T_s)計算更新TM的值，計算得到目標左上角的橫向坐標AX₁、目標左下角的橫向坐標AX₂、目標右下角的橫向坐標AX₃以及目標右上角的橫向坐標AX₄，將集合{AX₁,AX₂,AX₃,AX₄}存入集合R中，如果k＜N則使用公式k＝k+1更新k的值后，返回執行步驟h)，如果k≥N，則執行步驟m)；

m)最終集合R為最終解碼輸出的結果。

2.根據權利要求1所述的文字檢測中使用的高效解碼方法，其特征在于：步驟b)中張量P的維度為(7,w,h)，w為輸出的寬度，h為輸出的高度。

3.根據權利要求1所述的文字檢測中使用的高效解碼方法，其特征在于：步驟b)中張量M的維度為(2,w,h)。

4.根據權利要求1所述的文字檢測中使用的高效解碼方法，其特征在于，步驟

l)中AX₁、AX₂、AX₃、AX₄的計算方法為：

l-1)

計算得到AX₁，式中P_{(3:5,：,：)}為張量P的第一個維度取3到5，但不包括5，第二個維度和第三個維度全部包括的區域；

l-2)

計算得到AX₂，式中P_{(5:7,：,：)}為張量P的第一個維度取5到7，但不包括7，第二個維度和第三個維度全部包括的區域；

l-3)

計算得到AX₃；

l-4)

計算得到AX₄。