[發(fā)明專利]文字檢測和模型訓(xùn)練方法、裝置、設(shè)備及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202210404529.4 | 申請日： | 2022-04-18 |
| 公開（公告）號： | CN114724133A | 公開（公告）日： | 2022-07-08 |
| 發(fā)明（設(shè)計）人： | 黃聚;張曉強(qiáng);欽夏孟;章成全;姚錕 | 申請（專利權(quán)）人： | 北京百度網(wǎng)訊科技有限公司 |
| 主分類號： | G06V20/62 | 分類號： | G06V20/62;G06V30/146;G06V30/148;G06V30/19;G06V30/414;G06V10/82;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205 | 代理人： | 楊麗爽;臧建明 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 文字 檢測 模型 訓(xùn)練 方法 裝置 設(shè)備 存儲 介質(zhì) | ||
本公開提供了一種文字檢測和模型訓(xùn)練方法、裝置、設(shè)備及存儲介質(zhì)，涉及人工智能技術(shù)領(lǐng)域，具體為深度學(xué)習(xí)、圖像處理、計算機(jī)視覺技術(shù)領(lǐng)域，可應(yīng)用于光學(xué)字符識別等場景。具體實(shí)現(xiàn)方案為：獲取訓(xùn)練樣本，訓(xùn)練樣本中包括樣本圖像和標(biāo)簽圖像，標(biāo)簽圖像為對所述樣本圖像上的文本實(shí)例進(jìn)行標(biāo)注得到的圖像；將樣本圖像輸入至文字檢測模型，得到文字檢測模型輸出的分割圖像和分割圖像的圖像類別，其中，圖像類別指示分割圖像中包括文本實(shí)例，或者，不包括文本實(shí)例；根據(jù)分割圖像、分割圖像的圖像類別和標(biāo)注圖像對文字檢測模型的參數(shù)進(jìn)行調(diào)整。對圖像中的文字以文本實(shí)例為單元進(jìn)行檢測得到檢測結(jié)果，文字檢測的準(zhǔn)確性較高。
技術(shù)領(lǐng)域
本公開涉及人工智能技術(shù)領(lǐng)域，具體為深度學(xué)習(xí)、圖像處理、計算機(jī)視覺技術(shù)領(lǐng)域，可應(yīng)用于光學(xué)字符識別(Optical Character Recognition，OCR)等場景，尤其涉及一種文字檢測和模型訓(xùn)練方法、裝置、設(shè)備及存儲介質(zhì)。
背景技術(shù)
文字檢測是指在包含有文字的圖片中檢測文本區(qū)域的過程，具體來說，文字檢測的任務(wù)是輸出圖像中的每個目標(biāo)文本的邊界框，而并不關(guān)心目標(biāo)文本的具體語義內(nèi)容。
文字檢測是文字識別、產(chǎn)品搜索等應(yīng)用中的重要一環(huán)，文字檢測的準(zhǔn)確程度會影響后續(xù)文字識別的效果。因此，需要提供一種準(zhǔn)確性較高的文字檢測方案，提升文字檢測能力，有效增強(qiáng)身份證識別、文檔識別、票據(jù)識別等業(yè)務(wù)的準(zhǔn)確率和魯棒性。
發(fā)明內(nèi)容
本公開提供了一種文字檢測和模型訓(xùn)練方法、裝置、設(shè)備及存儲介質(zhì)。
根據(jù)本公開的第一方面，提供了一種文字檢測方法，包括：
獲取待檢測的第一圖像；
將所述第一圖像輸入至文字檢測模型，得到所述文字檢測模型輸出的分割圖像和所述分割圖像的圖像類別，其中，所述圖像類別指示所述分割圖像中包括文本實(shí)例，或者，不包括文本實(shí)例；
根據(jù)所述分割圖像和所述圖像類別，在所述第一圖像上確定目標(biāo)區(qū)域，所述目標(biāo)區(qū)域中包括文本實(shí)例。
根據(jù)本公開的第二方面，提供了一種模型訓(xùn)練方法，包括：
獲取訓(xùn)練樣本，所述訓(xùn)練樣本中包括樣本圖像和標(biāo)簽圖像，所述標(biāo)簽圖像為對所述樣本圖像上的文本實(shí)例進(jìn)行標(biāo)注得到的圖像；
將所述樣本圖像輸入至所述文字檢測模型，得到所述文字檢測模型輸出的分割圖像和所述分割圖像的圖像類別，其中，所述圖像類別指示所述分割圖像中包括文本實(shí)例，或者，不包括文本實(shí)例；
根據(jù)所述分割圖像、所述分割圖像的圖像類別和所述標(biāo)注圖像對所述文字檢測模型的參數(shù)進(jìn)行調(diào)整。
根據(jù)本公開的第三方面，提供了一種文字檢測裝置，包括：
獲取單元，用于獲取待檢測的第一圖像；
處理單元，用于將所述第一圖像輸入至文字檢測模型，得到所述文字檢測模型輸出的分割圖像和所述分割圖像的圖像類別，其中，所述圖像類別指示所述分割圖像中包括文本實(shí)例，或者，不包括文本實(shí)例；
檢測單元，用于根據(jù)所述分割圖像和所述圖像類別，在所述第一圖像上確定目標(biāo)區(qū)域，所述目標(biāo)區(qū)域中包括文本實(shí)例。
根據(jù)本公開的第四方面，提供了一種模型訓(xùn)練裝置，包括：
獲取單元，用于獲取訓(xùn)練樣本，所述訓(xùn)練樣本中包括樣本圖像和標(biāo)簽圖像，所述標(biāo)簽圖像為對所述樣本圖像上的文本實(shí)例進(jìn)行標(biāo)注得到的圖像；
處理單元，用于將所述樣本圖像輸入至所述文字檢測模型，得到所述文字檢測模型輸出的分割圖像和所述分割圖像的圖像類別，其中，所述圖像類別指示所述分割圖像中包括文本實(shí)例，或者，不包括文本實(shí)例；
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京百度網(wǎng)訊科技有限公司，未經(jīng)北京百度網(wǎng)訊科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210404529.4/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
