[發明專利]文字檢測識別方法、裝置及設備

在審

• 申請號: 202211518731.6
• 申請日: 2022-11-30
• 公開（公告）號: CN115841672A
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 傅陳欽;梁清華;霍樹偉;周鑫
• 申請（專利權）人: 微夢創科網絡科技（中國）有限公司
• 主分類號: G06V30/18
• 分類號: G06V30/18;G06V30/19;G06V10/82;G06V30/146;G06N3/048;G06N3/047;G06N3/0464
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 張芳

1.一種文字檢測識別方法，其特征在于，包括：

通過特征提取模塊從輸入的目標圖像中提取多個不同尺度的特征圖；

通過檢測特征金字塔模塊中包含的第一指定數量的檢測特征融合單元，對所述多個不同尺度的特征圖進行檢測特征融合得到檢測融合特征圖；以及通過識別特征金字塔模塊中包含的第二指定數量的識別特征融合單元，對所述多個不同尺度的特征圖進行識別特征融合得到識別融合特征圖；

通過文字檢測模塊基于所述檢測融合特征圖獲取所述目標圖像中的文本檢測框；

通過文字識別模塊基于所述識別融合特征圖識別所述目標圖像中的文本檢測框中的文字內容信息。

2.如權利要求1所述的方法，其特征在于，所述文字檢測模塊包括閾值化單元、概率化單元和二值化單元，所述通過文字檢測模塊基于所述檢測融合特征圖獲取所述目標圖像中的文本檢測框，包括：

通過所述閾值化單元基于所述檢測融合特征圖獲取指定大小的閾值圖，所述閾值圖中包含有用于判斷所述目標圖像中各個像素點存在文字的閾值；

通過所述概率化單元基于所述檢測融合特征圖獲取指定大小的概率圖，所述概率圖中包含有所述目標圖像中各個像素點存在文字的概率；

通過所述二值化單元對所述閾值圖和所述概率圖進行邏輯運算，得到用于表征所述目標圖像中的文本檢測框的二值化特征圖，以及基于所述二值化特征圖獲取所述目標圖像中的文本檢測框。

3.如權利要求2所述的方法，其特征在于，所述通過所述閾值化單元基于所述檢測融合特征圖獲取指定大小的閾值圖，包括：

通過所述閾值化單元對所述檢測融合特征圖進行指定卷積核的卷積運算、批標準化運算以及指定激活函數運算，得到第一特征圖；

采用反卷積的方式對所述第一特征圖進行上采樣，得到第二特征圖，所述第二特征圖為所述第一特征圖的兩倍大小；

對所述第二特征圖進行批標準化運算以及relu激活函數運算、以及采用反卷積的方式進行上采樣，得到所述指定大小的閾值圖。

4.如權利要求2所述的方法，其特征在于，所述通過所述概率化單元基于所述檢測融合特征圖獲取指定大小的概率圖，包括：

通過所述概率化單元對所述檢測融合特征圖進行指定卷積核的卷積運算、批標準化運算以及指定激活函數運算，得到第三特征圖；

采用反卷積的方式對所述第三特征圖進行上采樣，得到第四特征圖，所述第四特征圖為所述第三特征圖的兩倍大小；

對所述第四特征圖進行批標準化運算、relu激活函數運算、并采用反卷積的方式進行上采樣、以及通過sigmoid激活函數進行概率預測，得到所述指定大小的概率圖。

5.如權利要求1所述的方法，其特征在于，所述通過文字識別模塊基于所述識別融合特征圖識別所述目標圖像中的文本檢測框中的文字內容信息，包括：

通過感興趣區域矯正模塊ROI Rotate基于所述識別融合特征圖和所述目標圖像中的文本檢測框，獲取所述目標圖像中的文本檢測框在水平方向上的特征信息；

通過所述文字識別模塊根據輸入的所述目標圖像中的文本檢測框在水平方向上的特征信息，識別所述目標圖像中的文本檢測框中的文字內容信息。

6.如權利要求1所述的方法，其特征在于，所述通過特征提取模塊從輸入的目標圖像中提取多個不同尺度的特征圖，包括：

將所述目標圖像輸入所述特征提取模塊進行特征提取，得到多個不同尺度的特征圖；或者，

將所述目標圖像減去均值并除以指定數值，以對所述目標圖像進行標準化預處理；以及將所述標準化預處理后的目標圖像輸入所述特征提取模塊進行特征提取，得到多個不同尺度的特征圖。