[發(fā)明專(zhuān)利]文本圖像矯正方法、訓(xùn)練方法、裝置、電子設(shè)備以及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111502497.3
• 申請(qǐng)日: 2021-12-08
• 公開(kāi)（公告）號(hào): CN114202648A
• 公開(kāi)（公告）日: 2022-03-18
• 發(fā)明（設(shè)計(jì)）人: 劉希巖;蔡俊杰;鐘開(kāi);楊建忠;夏德國(guó);張通濱;盧振
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類(lèi)號(hào): G06V10/24
• 分類(lèi)號(hào): G06V10/24;G06V10/40;G06V10/774;G06V30/19
• 代理公司: 中科專(zhuān)利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 楊靜

本公開(kāi)提供了一種文本圖像矯正方法、訓(xùn)練方法、裝置、電子設(shè)備以及介質(zhì)，涉及人工智能技術(shù)領(lǐng)域，尤其涉及計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)技術(shù)、智能交通和高精地圖領(lǐng)域。具體實(shí)現(xiàn)方案為：基于門(mén)控策略，對(duì)待矯正文本圖像進(jìn)行多個(gè)第一層級(jí)處理，得到多個(gè)層級(jí)各自的特征圖，其中，每個(gè)特征圖包括與待矯正文本圖像相關(guān)的文本結(jié)構(gòu)性特征，門(mén)控策略用于增加文本結(jié)構(gòu)性特征的關(guān)注度；對(duì)多個(gè)層級(jí)各自的特征圖進(jìn)行多個(gè)第二層級(jí)處理，得到與待矯正文本圖像對(duì)應(yīng)的矯正后文本圖像。

技術(shù)領(lǐng)域

本公開(kāi)涉及人工智能技術(shù)領(lǐng)域，尤其涉及計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)技術(shù)、智能交通和高精地圖領(lǐng)域。具體地，涉及一種文本圖像矯正方法、訓(xùn)練方法、裝置、電子設(shè)備以及存儲(chǔ)介質(zhì)。

背景技術(shù)

文本圖像可以指包括文字的圖像。文本圖像具有多種用途。例如，基于計(jì)算機(jī)視覺(jué)的街景目標(biāo)識(shí)別在實(shí)時(shí)導(dǎo)航領(lǐng)域扮演著較為重要的角色，通過(guò)車(chē)載攝像頭拍攝包括的路標(biāo)以及廣告牌等文本信息的文本圖像，為場(chǎng)景理解和導(dǎo)航提供了較為豐富的語(yǔ)義信息。

發(fā)明內(nèi)容

本公開(kāi)提供了一種文本圖像矯正方法、訓(xùn)練方法、裝置、電子設(shè)備以及介質(zhì)。

根據(jù)本公開(kāi)的一方面，提供了一種文本圖像矯正方法，包括：基于門(mén)控策略，對(duì)待矯正文本圖像進(jìn)行多個(gè)第一層級(jí)處理，得到多個(gè)層級(jí)各自的特征圖，其中，每個(gè)上述特征圖包括與上述待矯正文本圖像相關(guān)的文本結(jié)構(gòu)性特征，上述門(mén)控策略用于增加上述文本結(jié)構(gòu)性特征的關(guān)注度；以及，對(duì)上述多個(gè)層級(jí)各自的特征圖進(jìn)行多個(gè)第二層級(jí)處理，得到與上述待矯正文本圖像對(duì)應(yīng)的矯正后文本圖像。

根據(jù)本公開(kāi)的另一方面，提供了一種文本圖像矯正模型的訓(xùn)練方法，包括：基于門(mén)控策略，對(duì)待矯正樣本文本圖像進(jìn)行多個(gè)第一層級(jí)處理，得到多個(gè)層級(jí)各自的樣本特征圖，其中，每個(gè)上述樣本特征圖包括與上述待矯正樣本文本圖像相關(guān)的文本結(jié)構(gòu)性特征，上述門(mén)控策略用于增加上述文本結(jié)構(gòu)性特征的關(guān)注度；對(duì)上述多個(gè)層級(jí)各自的樣本特征圖進(jìn)行多個(gè)第二層級(jí)處理，得到上述多個(gè)層級(jí)各自的預(yù)測(cè)結(jié)果；以及，利用上述多個(gè)層級(jí)各自的預(yù)測(cè)結(jié)果和真實(shí)結(jié)果訓(xùn)練預(yù)定模型，得到上述文本圖像矯正模型。

根據(jù)本公開(kāi)的另一方面，提供了一種文本圖像矯正裝置，包括：第一獲得模塊，用于基于門(mén)控策略，對(duì)待矯正文本圖像進(jìn)行多個(gè)第一層級(jí)處理，得到多個(gè)層級(jí)各自的特征圖，其中，每個(gè)上述特征圖包括與上述待矯正文本圖像相關(guān)的文本結(jié)構(gòu)性特征，上述門(mén)控策略用于增加上述文本結(jié)構(gòu)性特征的關(guān)注度；以及，第二獲得模塊，用于對(duì)上述多個(gè)層級(jí)各自的特征圖進(jìn)行多個(gè)第二層級(jí)處理，得到與上述待矯正文本圖像對(duì)應(yīng)的矯正后文本圖像。

根據(jù)本公開(kāi)的另一方面，提供了一種文本圖像矯正模型的訓(xùn)練裝置，包括：第六獲得模塊，用于基于門(mén)控策略，對(duì)待矯正樣本文本圖像進(jìn)行多個(gè)第一層級(jí)處理，得到多個(gè)層級(jí)各自的樣本特征圖，其中，每個(gè)上述樣本特征圖包括與上述待矯正樣本文本圖像相關(guān)的文本結(jié)構(gòu)性特征，上述門(mén)控策略用于增加上述文本結(jié)構(gòu)性特征的關(guān)注度；第七獲得模塊，用于對(duì)上述多個(gè)層級(jí)各自的樣本特征圖進(jìn)行多個(gè)第二層級(jí)處理，得到上述多個(gè)層級(jí)各自的預(yù)測(cè)結(jié)果；以及，第八獲得模塊，用于利用上述多個(gè)層級(jí)各自的預(yù)測(cè)結(jié)果和真實(shí)結(jié)果訓(xùn)練預(yù)定模型，得到上述文本圖像矯正模型。

根據(jù)本公開(kāi)的另一方面，提供了一種電子設(shè)備，包括：至少一個(gè)處理器；以及與上述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，上述存儲(chǔ)器存儲(chǔ)有可被上述至少一個(gè)處理器執(zhí)行的指令，上述指令被上述至少一個(gè)處理器執(zhí)行，以使上述至少一個(gè)處理器能夠執(zhí)行如上所述的方法。

根據(jù)本公開(kāi)的另一方面，提供了一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，上述計(jì)算機(jī)指令用于使上述計(jì)算機(jī)執(zhí)行如上所述的方法。

根據(jù)本公開(kāi)的另一方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，上述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的方法。

應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本公開(kāi)的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本公開(kāi)的范圍。本公開(kāi)的其它特征將通過(guò)以下的說(shuō)明書(shū)而變得容易理解。

附圖說(shuō)明