[發(fā)明專利]文本檢測方法、裝置及電子設備

在審

• 申請?zhí)枺?/td>: 202110261374.9
• 申請日: 2021-03-10
• 公開（公告）號: CN112989995A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設計）人: 呂鵬原;章成全;劉珊珊;王曉燕;張勝;庾悅晨;喬美娜
• 申請（專利權）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62
• 代理公司: 北京銀龍知識產(chǎn)權代理有限公司 11243
• 代理人: 黃燦;劉念

1.一種文本檢測方法，包括：

獲取目標圖片；

對所述目標圖片進行特征提取，得到所述目標圖片的第一特征；

基于所述第一特征對所述目標圖片進行文本檢測，以確定所述目標圖片的第一文本候選框；

基于所述第一特征進行掩膜解碼，得到所述目標圖片的M個掩膜圖像以及所述第一文本候選框針對所述M個掩膜圖像的M個權重信息，M為正整數(shù)；

基于所述第一文本候選框、所述M個掩膜圖像和所述M個權重信息，確定所述目標圖片的文本位置。

2.根據(jù)權利要求1所述的方法，其中，所述基于所述第一特征對所述目標圖片進行文本檢測，以確定所述目標圖片的第一文本候選框，包括：

基于所述第一特征對所述目標圖片進行文本檢測，得到所述目標圖片的第二文本候選框；

對所述第二文本候選框的區(qū)域內(nèi)圖片內(nèi)容進行特征提取，得到所述第二文本候選框的區(qū)域內(nèi)圖片內(nèi)容的第二特征；

基于所述第二特征，確定目標差值信息，所述目標差值信息用于表征所述第二文本候選框相對于所述目標圖片的目標框的位置差異；

基于所述第二文本候選框和所述目標差值信息，確定所述第一文本候選框。

3.根據(jù)權利要求2所述的方法，其中，所述基于所述第二特征，確定目標差值信息，包括：

將所述第二特征輸入至目標模型進行差值預測，得到目標差值信息，所述目標模型用于基于預先訓練的參數(shù)預測圖片的文本候選框相對于目標框的差值信息。

4.根據(jù)權利要求1所述的方法，其中，M大于1，所述基于所述第一文本候選框、所述M個掩膜圖像和所述M個權重信息，確定所述目標圖片的文本位置，包括：

獲取每個掩膜圖像中所述第一文本候選框對應位置的目標掩膜區(qū)域，以得到所述第一文本候選框對應的M個目標掩膜區(qū)域；

基于所述M個權重信息，對所述M個目標掩膜區(qū)域進行加權操作，得到所述第一文本候選框對應的文本掩膜區(qū)域；

基于所述文本掩膜區(qū)域，確定所述目標圖片的文本位置。

5.根據(jù)權利要求4所述的方法，所述基于所述文本掩膜區(qū)域，確定所述目標圖片的文本位置，包括：

對所述文本掩膜區(qū)域中的像素點進行二值化，得到所述目標圖片的文本像素信息；

確定所述文本像素信息的連通區(qū)域的包絡，以得到所述目標圖片的文本位置。

6.一種文本檢測裝置，包括：

獲取模塊，用于獲取目標圖片；

特征提取模塊，用于對所述目標圖片進行特征提取，得到所述目標圖片的第一特征；

文本檢測模塊，用于基于所述第一特征對所述目標圖片進行文本檢測，以確定所述目標圖片的第一文本候選框；

掩膜解碼模塊，用于基于所述第一特征進行掩膜解碼，得到所述目標圖片的M個掩膜圖像以及所述第一文本候選框針對所述M個掩膜圖像的M個權重信息，M為正整數(shù)；

文本確定模塊，用于基于所述第一文本候選框、所述M個掩膜圖像和所述M個權重信息，確定所述目標圖片的文本位置。

7.根據(jù)權利要求6所述的裝置，其中，所述文本檢測模塊包括：

文本檢測單元，用于基于所述第一特征對所述目標圖片進行文本檢測，得到所述目標圖片的第二文本候選框；

區(qū)域特征提取單元，用于對所述第二文本候選框的區(qū)域內(nèi)圖片內(nèi)容進行特征提取，得到所述第二文本候選框的區(qū)域內(nèi)圖片內(nèi)容的第二特征；

第一確定單元，用于基于所述第二特征，確定目標差值信息，所述目標差值信息用于表征所述第二文本候選框相對于所述目標圖片的目標框的位置差異；

第二確定單元，用于基于所述第二文本候選框和所述目標差值異信息，確定所述第一文本候選框。

8.根據(jù)權利要求7所述的裝置，其中，所述第一確定單元，具體用于將所述第二特征輸入至目標模型進行差值預測，得到目標差值信息，所述目標模型用于基于預先訓練的參數(shù)預測圖片的文本候選框相對于目標框的差值信息。