[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

本申請公開了一種文字檢測識別方法、裝置及設備。該方法包括：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。

技術領域

本申請涉及圖像處理技術領域，尤其涉及一種文字檢測識別方法、裝置及設備。

背景技術

目前，光學字符識別(Optical Character Recognition，OCR)技術主要分為兩部分，即文字檢測和文字識別。其中，文字檢測是獲取文字位置信息，其具體算法包括常用的faster-rcnn系列的通用目標檢測算法，用于生成適當預選框的CPTN算法，以及適用于非水平方向的SegLink檢測算法。文字識別則是獲取文字內容信息，其具體算法可包括結合CNN和RNN的CRNN算法、依賴文字序列關系的attention系列算法。

然而，這些算法都是單一形式的，即只是識別文字內容信息或者識別文字位置信息，無法做到端到端的文字檢測與識別。

發明內容

本申請實施例提供一種文字檢測識別方法，以解決現有技術中文字檢測識別方法只能單一實現文字檢測和識別中的一種任務的問題。

本申請實施例采用下述技術方案：

一種文字檢測識別方法，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。

一種文字檢測識別裝置，包括：

特征提取模塊，用于從輸入的目標圖像中提取多個不同尺度的特征圖；

檢測特征金字塔模塊，用于通過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；

識別特征金字塔模塊，用于通過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；

文字檢測模塊，用于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；

文字識別模塊，用于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。

一種電子設備，其特征在于，包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現上述所述的文字檢測識別方法的步驟。

一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現上述所述的文字檢測識別方法的步驟。

本申請實施例采用的上述至少一個技術方案能夠達到以下有益效果：