[發(fā)明專(zhuān)利]一種用于抵抗光學(xué)字符識(shí)別系統(tǒng)的防御方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310243180.5
• 申請(qǐng)日: 2023-03-14
• 公開(kāi)（公告）號(hào): CN116308982A
• 公開(kāi)（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 鄧佳程;董理;王讓定;嚴(yán)迪群;陳佳豪
• 申請(qǐng)（專(zhuān)利權(quán)）人: 寧波大學(xué)
• 主分類(lèi)號(hào): G06T1/00
• 分類(lèi)號(hào): G06T1/00;G06V30/19
• 代理公司: 寧波誠(chéng)源專(zhuān)利事務(wù)所有限公司 33102
• 代理人: 袁忠衛(wèi);方寧

1.一種用于抵抗光學(xué)字符識(shí)別系統(tǒng)的防御方法，其特征在于包括如下步驟：

步驟1、獲取數(shù)據(jù)集，并將數(shù)據(jù)集分成訓(xùn)練集和測(cè)試集；

步驟2、從訓(xùn)練集中隨機(jī)抽取訓(xùn)練樣本，構(gòu)成第t批次的訓(xùn)練樣本集X^t，t的初始值為1；

其中訓(xùn)練樣本集X^t中第i個(gè)訓(xùn)練樣本為(x_i，M_i)，x_i為第i幅原始文本圖像，M_i為x_i所對(duì)應(yīng)的非文本區(qū)域掩膜，i∈{1、2...N}，N為當(dāng)前訓(xùn)練樣本集中的訓(xùn)練樣本總數(shù)，N為正整數(shù)；

步驟3、采用第一隨機(jī)縮放模塊R₁對(duì)從訓(xùn)練樣本集X^t中第i個(gè)訓(xùn)練樣本進(jìn)行縮放處理，得到第一文本圖像R₁(x_i)和縮放后的非文本區(qū)域掩膜R₁(M_i)；

步驟4、構(gòu)建底色塊p_t，并將底色塊p_t平鋪至與R₁(x_i)一樣的大小，得到防御性底色塊p₁為大小為s₀×s₁的全1矩陣，s₀和s₁分別為p₁的長(zhǎng)和寬；

步驟5、將防御性底色塊與訓(xùn)練樣本集X^t中的第i個(gè)訓(xùn)練樣本進(jìn)行融合，得到防御性文本圖像Φ(x_i，p_t)；

其中，表示逐像素相乘，表示逐像素相加；

步驟6、采用第二隨機(jī)縮放模塊R₂分別對(duì)防御性文本圖像Φ(x_i，p_t)和防御性底色塊進(jìn)行縮放，得到第二文本圖像R₂(Φ(x_i，p_t))和縮放后的防御性底色塊

步驟7、將第二文本圖像R₂(Φ(x_i，p_t))和縮放后的防御性底色塊均輸入到場(chǎng)景文本檢測(cè)器中，得到預(yù)測(cè)概率圖；

步驟8、計(jì)算場(chǎng)景文本檢測(cè)器的中間層損失以及根據(jù)預(yù)測(cè)概率圖計(jì)算得到預(yù)測(cè)損失綜合和得到最終的損失

步驟9、根據(jù)最終的損失計(jì)算得到梯度，并根據(jù)梯度更新當(dāng)前的底色塊p_t，得到新的底色塊p_t+1；

步驟10、判斷t+1是否等于訓(xùn)練總次數(shù)T，如是，則將新的底色塊p_t+1作為最終的底色塊；如否，則將當(dāng)前t值加上1而更新當(dāng)前t值，以新的底色塊p_t+1作為步驟4的底色塊，并采用步驟2～步驟9中相同的方式更新底色塊；

步驟11、從測(cè)試集中任意選擇一個(gè)測(cè)試樣本，將步驟9中最終的底色塊平鋪至與測(cè)試樣本的原始文本圖像相同的大小，得到測(cè)試樣本的防御性底色塊，并按照步驟5中相同的方式將測(cè)試樣本的防御性底色塊與測(cè)試樣本進(jìn)行融合，得到測(cè)試樣本的防御性文本圖像。

2.根據(jù)權(quán)利要求1所述的防御方法，其特征在于：所述步驟3中采用等比例縮放的方式進(jìn)行縮放處理，縮放系數(shù)從均勻分布(a，b)中選取，

3.根據(jù)權(quán)利要求2所述的防御方法，其特征在于：所述步驟6中采用等比例縮放的方式進(jìn)行縮放處理，縮放系數(shù)從均勻分布(a，b)中選取。

4.根據(jù)權(quán)利要求1～3任一項(xiàng)所述的防御方法，其特征在于：所述步驟8中的計(jì)算公式為：

其中，表示第二文本圖像R₂(Φ(x_i，p_t))輸入到場(chǎng)景文本檢測(cè)器中得到的預(yù)測(cè)概率圖，與R₂(Φ(x_i，p_t))的矩陣大小相同；表示矩陣的Frobenius范數(shù)。