[發明專利]文本圖像矯正方法、訓練方法、裝置、電子設備以及介質

在審

• 申請號: 202111502497.3
• 申請日: 2021-12-08
• 公開（公告）號: CN114202648A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 劉希巖;蔡俊杰;鐘開;楊建忠;夏德國;張通濱;盧振
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V10/24
• 分類號: G06V10/24;G06V10/40;G06V10/774;G06V30/19
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 楊靜

1.一種文本圖像矯正方法，包括：

基于門控策略，對待矯正文本圖像進行多個第一層級處理，得到多個層級各自的特征圖，其中，每個所述特征圖包括與所述待矯正文本圖像相關的文本結構性特征，所述門控策略用于增加所述文本結構性特征的關注度；以及

對所述多個層級各自的特征圖進行多個第二層級處理，得到與所述待矯正文本圖像對應的矯正后文本圖像。

2.根據權利要求1所述的方法，其中，所述基于門控策略，對待矯正文本圖像進行多個第一層級處理，得到多個層級各自的特征圖，包括：

基于文本圖像矯正模型，對所述待矯正文本圖像進行多個第一層級處理，得到所述多個層級各自的特征圖，其中，所述文本圖像矯正模型包括門控模塊，所述門控模塊是根據所述門控策略創建的。

3.根據權利要求2所述的方法，其中，所述文本圖像矯正模型還包括編碼器，所述門控模塊包括多個通道層單元，每個所述通道層單元用于確定與所述通道層單元對應的特征圖中每個通道的通道權重；

其中，所述基于文本圖像矯正模型，對所述待矯正文本圖像進行多個第一層級處理，得到所述多個層級各自的特征圖，包括：

基于所述編碼器和所述多個通道層單元，對所述待矯正文本圖像進行多個第一層級處理，得到所述多個層級各自的特征圖。

4.根據權利要求3所述的方法，其中，所述文本圖像矯正模型還包括解碼器；

其中，所述對所述多個層級各自的特征圖進行多個第二層級處理，得到與所述待矯正文本圖像對應的矯正后文本圖像，包括：

基于所述解碼器，對所述多個層級各自的特征圖進行多個第二層級處理，得到與所述待矯正文本圖像對應的矯正后文本圖像。

5.根據權利要求4所述的方法，其中，所述編碼器包括N個級聯的下采樣模塊，所述解碼器包括N個級聯的上采樣模塊，所述門控模塊包括N個通道層單元，N是大于1的整數；

其中，所述基于所述編碼器和所述多個通道層單元，對所述待矯正文本圖像進行多個第一層級處理，得到所述多個層級各自的特征圖，包括：

在1＜i≤N的情況下，利用第(i-1)個通道層單元處理所述第(i-1)層級的第一下采樣特征圖，得到第(i-1)層級的通道權重特征圖；以及

利用第i個下采樣模塊處理所述第(i-1)層級的通道權重特征圖，得到第i層級的第一下采樣特征圖；

其中，所述基于所述解碼器，對所述多個層級各自的特征圖進行多個第二層級處理，得到與所述待矯正文本圖像對應的矯正后文本圖像，包括：

在1≤i＜N的情況下，利用第i個上采樣模塊處理第(i+1)個層級的第一輸出特征圖，得到第i個層級的第一上采樣特征圖；

將所述第i層級的第一下采樣特征圖和第一上采樣特征圖進行融合處理，得到第i層級的第一融合特征圖；

利用第i個上采樣模塊處理所述第i層級的第一融合特征圖，得到第i層級的第一輸出特征圖；以及

根據第1層級的第一輸出特征圖，確定與所述待矯正文本圖像對應的矯正后文本圖像。

6.根據權利要求5所述的方法，其中，所述門控模塊還包括細粒度層單元；

所述方法還包括：

利用所述細粒度層單元處理第N層級的通道權重特征圖，得到第N層級的第一細粒度特征圖；

其中，所述基于所述解碼器，對所述多個層級各自的特征圖進行多個第二層級處理，得到與所述待矯正文本圖像對應的矯正后文本圖像，包括：

在i＝N的情況下，利用第N個上采樣模塊處理第N層級的第一細粒度特征圖，得到第N層級的第一上采樣特征圖；

將所述第N層級的第一上采樣特征圖和第一下采樣特征圖進行融合處理，得到第N層級的第一融合特征圖；以及

利用所述第N個上采樣模塊處理所述第N層級的第一融合特征圖，得到第N層級的第一輸出特征圖。