[發明專利]一種基于自適應特征選擇和尺度損失函數的文本檢測方法

有效

• 申請號: 202110341740.1
• 申請日: 2021-03-30
• 公開（公告）號: CN112926582B
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 吳秦;駱文莉;柴志雷;肖志勇;陳璟;劉登峰
• 申請（專利權）人: 江南大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 南京禹為知識產權代理事務所(特殊普通合伙) 32272
• 代理人: 王曉東

本發明公開了一種基于自適應特征選擇和尺度損失函數的文本檢測方法包括：利用主干網絡獲取圖像中的文本特征，并通過特征金字塔網絡進行基礎特征的提取；利用自適應特征選擇，從所述基礎特征中提取更具有代表性的特征信息；利用漸進式擴張算法將所述具有代表性的特征信息進行分割、擴展，并獲得最終檢測結果。本發明將可形變卷積應用到具有一定幾何變形的文本上，使得網絡可以適應任意的文本形狀，能檢測不同大小的文本；還能提取更加豐富、準確的特征，解決了圖像中文本尺度變化較大的問題，有效減少誤檢。

技術領域

本發明計算機視覺、文本檢測的技術領域，尤其涉及一種基于自適應特征選擇和尺度損失函數的文本檢測方法。

背景技術

文字是表達信息的重要方式，其廣泛存在于自然場景圖像中，例如隨處可見的路標、車標、商品名稱等，文本相較于自然場景中其他的內容(例如：樹木、行人)可以傳達更豐富的信息，準確地識別圖像中的文本將有助于場景的分析與理解，而文本檢測作為文本識別的重要前提，顯得更為重要。

文本檢測技術在智能交通系統、視障人群導盲、圖像/視頻檢索等方面的重要應用促使文本檢測方法成為計算機視覺的一個研究熱點。目前大部分文本檢測方面的研究都是基于深度學習的，這些方法主要分為兩種：第一種是基于回歸的方法，另外一種是基于分割的方法。基于回歸的方法一般來說是對一般的目標檢測方法的改進，來成功的定位矩形或者四邊形邊界框的文本。但這類方法對于彎曲文本的檢測效果不好。而基于分割的文本檢測方法對任意形狀的文本可以進行檢測，但準確率有待進一步地提高。

目前，大多數的文本檢測算法仍然存在三個局限性。第一，傳統的卷積只有固定的感受野，無法適應文本的多種形狀，對任意形狀文本的檢測效果不太好。第二，自然場景中有很多和文本長得類似的物體，例如欄桿、圓盤等，這會對模型的擬合產生難度，容易有很多非文本的物體被檢測成文本，造成誤檢。第三，由于拍攝的角度和文本實例本身大小差距帶來的文本尺度多樣性也給檢測帶來了極大的難度，過小或者過大的文本很難同時被檢測出。

因此，針對上訴的三個局限性，需要提出一種新的文本檢測模型，使得網絡可以適應任意的文本形狀，能檢測不同大小的文本。同時，還能提取更加豐富、準確的特征，有效減少誤檢。

發明內容

本部分的目的在于概述本發明的實施例的一些方面以及簡要介紹一些較佳實施例。在本部分以及本申請的說明書摘要和發明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發明名稱的目的模糊，而這種簡化或省略不能用于限制本發明的范圍。

鑒于上述現有文本檢測過程中存在的問題，提出了本發明。

因此，本發明解決的技術問題是：傳統的卷積只有固定的感受野，無法適應文本的多種形狀，對任意形狀文本的檢測效果較差；傳統卷積在檢測自然場景時，會對模型的擬合產生難度，容易有很多非文本的物體被檢測成文本，造成誤檢；過小或者過大的文本無法同時被檢測出。

為解決上述技術問題，本發明提供如下技術方案：利用主干網絡獲取圖像中的文本特征，并通過特征金字塔網絡進行基礎特征的提取；利用自適應特征選擇，從所述基礎特征中提取更具有代表性的特征信息；利用漸進式擴張算法將所述具有代表性的特征信息進行分割、擴展，并獲得最終檢測結果。

作為本發明所述的基于自適應特征選擇和尺度損失函數的文本檢測方法的一種優選方案，其中：所述利用主干網絡獲取圖像中的文本特征包括，所述主干網絡選取可形變卷積網絡，在網絡的最后三個階段，使用3*3的可形變卷積代替一般的卷積，以適應物體的幾何形狀。