[發(fā)明專利]文本區(qū)域的確定方法、裝置、設備及可讀存儲介質

有效

• 申請?zhí)枺?/td>: 202110274178.5
• 申請日: 2021-03-15
• 公開（公告）號: CN113076814B
• 公開（公告）日: 2022-02-25
• 發(fā)明（設計）人: 石世昌;黃飛
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V30/412
• 分類號: G06V30/412;G06V30/14;G06V30/146;G06V30/18;G06V30/19;G06K9/62
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本申請公開了一種文本區(qū)域的確定方法、裝置、設備及可讀存儲介質，涉及機器學習領域。該方法包括：獲取目標圖像；對目標圖像進行文本識別，得到區(qū)域中心預測結果和區(qū)域邊緣預測結果；對區(qū)域中心預測結果和區(qū)域邊緣預測結果進行邏輯結合，得到目標圖像中的文本連通區(qū)域；基于文本連通區(qū)域確定文本內容在目標圖像中的文本區(qū)域。在對圖像進行文本識別時，同時識別得到用于表示文本區(qū)域的中心預測結果和用于表示邊緣的邊緣預測結果，從而通過對中心預測結果和邊緣預測結果的邏輯結合對文本區(qū)域的預測進行修正，并最終得到文本區(qū)域，在兩層檢測結果的優(yōu)化下，文本區(qū)域的檢測準確率較高，從而后續(xù)基于文本區(qū)域進行文本內容處理的效率和準確率也較高。

技術領域

本申請實施例涉及機器學習領域，特別涉及一種文本區(qū)域的確定方法、裝置、設備及可讀存儲介質。

背景技術

光學字符識別(Optical Character Recognition，OCR)是一種對圖像中的字符進行識別的功能。通常，用戶將帶有字符的圖像輸入到光學字符識別模塊，并得到輸出結果。該輸出結果中包括識別得到的圖像中的字符。OCR技術可以應用于圖像轉檔中，而在圖像轉檔場景下，在OCR識別之前首先需要對圖像中的存在文本的區(qū)域進行檢測。

相關技術中，在文本區(qū)域的檢測過程中，通常采用神經網絡模型直接預測文本區(qū)域的信息，如：基于分割的文本行檢測方法(pixel-link)是通過預測每個像素是否屬于文本區(qū)域，然后根據(jù)像素之間的關系對文本區(qū)域進行合并后，檢測得到文本區(qū)域的。

然而，上述方式中，基于分割的文字檢測方案檢測準確率較低，容易出現(xiàn)虛警的問題，故檢測得到結果后的后續(xù)處理過程較為復雜，導致文本區(qū)域的檢測準確率低，從而文本內容處理的效率低。

發(fā)明內容

本申請實施例提供了一種文本區(qū)域的確定方法、裝置、設備及可讀存儲介質，能夠提高文本區(qū)域的檢測準確率以及效率。所述技術方案如下：

一方面，提供了一種文本區(qū)域的確定方法，所述方法包括：

獲取目標圖像，所述目標圖像中包括文本內容，所述目標圖像為所述文本內容所在的文本區(qū)域待確定的圖像；

對所述目標圖像進行文本識別，得到區(qū)域中心預測結果和區(qū)域邊緣預測結果，所述區(qū)域中心預測結果表示預測得到的所述文本區(qū)域所處的區(qū)域范圍，所述區(qū)域邊緣預測結果表示預測得到的所述文本區(qū)域的邊緣位置；

對所述區(qū)域中心預測結果和所述區(qū)域邊緣預測結果進行邏輯結合，得到所述目標圖像中的文本連通區(qū)域，所述文本連通區(qū)域表示具有連通關系的所述文本內容在所述目標圖像中的區(qū)域；

基于所述文本連通區(qū)域確定所述文本內容在所述目標圖像中的所述文本區(qū)域。

另一方面，提供了一種文本區(qū)域的確定裝置，所述裝置包括：

獲取模塊，用于獲取目標圖像，所述目標圖像中包括文本內容，所述目標圖像為所述文本內容所在的文本區(qū)域待確定的圖像；

識別模塊，用于對所述目標圖像進行文本識別，得到區(qū)域中心預測結果和區(qū)域邊緣預測結果，所述區(qū)域中心預測結果表示預測得到的所述文本區(qū)域所處的區(qū)域范圍，所述區(qū)域邊緣預測結果表示預測得到的所述文本區(qū)域的邊緣位置；

處理模塊，用于對所述區(qū)域中心預測結果和所述區(qū)域邊緣預測結果進行邏輯結合，得到所述目標圖像中的文本連通區(qū)域，所述文本連通區(qū)域表示具有連通關系的所述文本內容在所述目標圖像中的區(qū)域；

確定模塊，用于基于所述文本連通區(qū)域確定所述文本內容在所述目標圖像中的所述文本區(qū)域。

在一個可選的實施例中，所述處理模塊，包括：

生成單元，用于基于所述區(qū)域中心預測結果生成區(qū)域二值圖；

所述生成單元，還用于基于所述區(qū)域邊緣預測結果生成邊緣二值圖；