[發明專利]基于YOLOv7算法的OCR字符檢測方法及裝置

在審

• 申請號: 202211170987.2
• 申請日: 2022-09-23
• 公開（公告）號: CN115527210A
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 姚正;劉超;張慶慶;李建勛;李歡
• 申請（專利權）人: 昆山佰奧軟件有限公司
• 主分類號: G06V30/146
• 分類號: G06V30/146;G06V30/19;G06V10/82;G06N3/04
• 代理公司: 蘇州九方專利代理事務所(特殊普通合伙) 32398
• 代理人: 張小培

1.一種基于YOLOv7算法的OCR字符檢測方法，其特征在于：包括：

構建OCR字符檢測網絡模型(1)，所述OCR字符檢測網絡模型(1)采用YOLOv7網絡結構作為基礎框架，并在YOLOv7網絡結構的骨干特征提取網絡(10)中采用深度可分離卷積運算方式進行深層特征提取，以及在YOLOv7網絡結構的頭部預測模塊(11)中嵌入SE注意力機制模塊進行關鍵特征的顯化和提取；

建立訓練集(20)和驗證集(21)，用于所述OCR字符檢測網絡模型(1)進行訓練學習和檢測驗證；

配置調用及部署模塊(3)，用于將訓練好的所述OCR字符檢測網絡模型(1)轉化成統一文件格式的通用模型，并將所述通用模型部署到工程平臺中后，對所述訓練集(20)和/或所述驗證集(21)進行檢測、輸出OCR字符預測結果。

2.根據權利要求1所述的基于YOLOv7算法的OCR字符檢測方法，其特征在于：所述骨干特征提取網絡(10)具有四組均由深度可分離卷積層、批歸一化層BN和激活函數SiLu組成的第一CBS模塊(100)、以及三組均由MP1模塊和ELAN模塊組成的第一組合模塊(101)，四組所述第一CBS模塊(100)和三組所述第一組合模塊(101)按照數據處理順序依次排布，三組所述第一組合模塊(101)分別輸出特征圖，且三組所述第一組合模塊(101)輸出的特征圖大小不相同；

所述頭部預測模塊(11)具有由SPPCSPC模塊、兩個UP模塊、四個ELAN-H模塊和兩個MP2模塊組成的第二組合模塊(110)、以及三組均由REP模塊和CONV模塊組成的第三組合模塊(111)，所述第二組合模塊(110)用于接收、融合三組所述第一組合模塊(101)輸出的特征圖，獲得三組融合特征結果；三組所述第三組合模塊(111)分別用于接收、處理三組所述融合特征結果，以得到三組尺寸大小不相同的網絡預測結果；另外，在所述SPPCSPC模塊中嵌入有所述SE注意力機制模塊。

3.根據權利要求2所述的基于YOLOv7算法的OCR字符檢測方法，其特征在于：所述深度可分離卷積層包括卷積核大小為3×3的深度可分離卷積、及卷積核大小為1×1的逐點卷積；

在每一所述第一組合模塊(101)中，所述MP1模塊由三個第二CBS模塊和一個最大化池化層組成，所述ELAN模塊由七個第三CBS模塊和一個全連接層組成，且所述第二CBS模塊和所述第三CBS模塊的結構均分別與所述第一CBS模塊(100)的結構相同。

4.根據權利要求2所述的基于YOLOv7算法的OCR字符檢測方法，其特征在于：所述SPPCSPC模塊由七個第四CBS模塊、三個最大池化層和所述SE注意力機制模塊組成，所述MP2模塊由三個第五CBS模塊和一個最大化池化層組成，且所述第四CBS模塊和所述第五CBS模塊的結構亦分別與所述第一CBS模塊(100)的結構相同。

5.根據權利要求1所述的基于YOLOv7算法的OCR字符檢測方法，其特征在于：建立所述訓練集(20)和所述驗證集(21)的方法，包括：

獲取若干帶有OCR字符的目標物圖片；

對所得目標物圖片進行標注，獲得對應的標注框；并將標注后的所述目標物圖片劃分為訓練樣本集和驗證樣本集；

對所得訓練樣本集進行增強處理，得到所述訓練集(20)；

所述驗證樣本集直接用作為所述驗證集(21)。