文本检测方法、装置和电子设备制造方法及图纸

本公开公开了文本检测方法、装置和电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习技术领域。具体实现方案为：根据待检测图片和训练好的文本检测模型生成多个预测文本框的角点坐标；采用非极大值抑制算法对所述多个预测文本框的角点坐标进行处理，得到过滤文本框的角点坐标；根据所述多个预测文本框的角点坐标和所述过滤文本框的角点坐标，从所述过滤文本框和所述多个预测文本框中筛选出多个候选文本框；根据所述多个候选文本框生成目标文本框。由此，能够提高网络感受野，进而增强文本检测效果，尤其增强长文本检测效果，适用于光学字符识别等文本检测应用场景。适用于光学字符识别等文本检测应用场景。适用于光学字符识别等文本检测应用场景。

【技术实现步骤摘要】
文本检测方法、装置和电子设备


[0001]本公开涉及计算机
，尤其涉及一种文本检测方法、装置、电子设备、存储介质和计算机程序产品。

技术介绍

[0002]文本检测相较于普通的目标检测，主要区别在于文本检测中检测框需要覆盖整个文本的长度，且评判标准也和普通的目标检测不同，因此通用的目标检测方法可能不适用于文本检测。相关技术中的文本检测方法，网络感受野较小，难以覆盖整个长文本，影响文本检测效果。

技术实现思路

[0003]提供了一种文本检测方法、装置、电子设备、存储介质和计算机程序产品。
[0004]根据第一方面，提供了一种文本检测方法，包括：根据待检测图片和训练好的文本检测模型生成多个预测文本框的角点坐标；采用非极大值抑制算法对所述多个预测文本框的角点坐标进行处理，得到过滤文本框的角点坐标；根据所述多个预测文本框的角点坐标和所述过滤文本框的角点坐标，从所述过滤文本框和所述多个预测文本框中筛选出多个候选文本框；根据所述多个候选文本框生成目标文本框。
[0005]根据第二方面，提供了一种文本检测装置，包括：第一生成模块，用于根据待检测图片和训练好的文本检测模型生成多个预测文本框的角点坐标；处理模块，用于采用非极大值抑制算法对所述多个预测文本框的角点坐标进行处理，得到过滤文本框的角点坐标；筛选模块，用于根据所述多个预测文本框的角点坐标和所述过滤文本框的角点坐标，从所述过滤文本框和所述多个预测文本框中筛选出多个候选文本框；第二生成模块，用于根据所述多个候选文本框生成目标文本框。
[0006]根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的文本检测方法。
[0007]根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开第一方面所述的文本检测方法。
[0008]根据第五方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开第一方面所述的文本检测方法。
[0009]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0010]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0011]图1是根据本公开第一实施例的文本检测方法的流程示意图；
[0012]图2是根据本公开第二实施例的文本检测方法中根据多个候选文本框生成目标文本框的流程示意图；
[0013]图3是根据本公开第三实施例的文本检测方法中每个角点对应的坐标点集合的示意图；
[0014]图4是根据本公开第二实施例的文本检测方法中筛选出坐标点集合中的多个候选坐标点的流程示意图；
[0015]图5是根据本公开第二实施例的文本检测方法中经验误差距离的获取的流程示意图；
[0016]图6是根据本公开第二实施例的文本检测方法中计算坐标点集合对应的第二中心点的坐标之前的流程示意图；
[0017]图7是根据本公开第一实施例的文本检测装置的框图；
[0018]图8是根据本公开第二实施例的文本检测装置的框图；
[0019]图9是用来实现本公开实施例的文本检测方法的电子设备的框图。
具体实施方式
[0020]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0021]AI(Artificial Intelligence，人工智能)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前，AI技术具有自动化程度高、精确度高、成本低的优点，得到了广泛的应用。
[0022]计算机视觉(Computer Vision)是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉是一门综合性的学科，包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。
[0023]DL(Deep Learning，深度学习)是ML(Machine Learning，机器学习)领域中一个新的研究方向，是学习样本数据的内在规律和表示层次，使得机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据的一门科学，广泛应用于语音和图像识别。
[0024]图1是根据本公开第一实施例的文本检测方法的流程示意图。
[0025]如图1所示，本公开第一实施例的文本检测方法，包括：
[0026]S101，根据待检测图片和训练好的文本检测模型生成多个预测文本框的角点坐标。
[0027]需要说明的是，本公开实施例的文本检测方法的执行主体可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选地，执行主体可包括工作站、服务器，计算机、用户终端及其他智能设备。其中，用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
[0028]本公开的实施例中，可获取待检测图片。可以理解的是，待检测图片可能包括文本
内容。需要说明的是，本公开的实施例中，对待检测图片的类型不做过多限定。例如，待检测图片可能为扫描图片、相机拍摄图片等。
[0029]进一步地，可根据待检测图片和训练好的文本检测模型生成多个预测文本框的角点坐标。可以理解的是，本公开的实施例中，可通过训练好的文本检测模型自动生成多个预测文本框的角点坐标。例如，可将待检测图片输入至训练好的文本检测模型，以得到多个预测文本框的角点坐标。
[0030]可以理解的是，一个预测文本框可对应多个角点坐标，例如，若预测文本框为矩形，可对应4个角点坐标。
[0031]需要说明的是，本公开的实施例中，对文本检测模型的类型不做过多限定，例如，文本检测模型可为深度学习模型。
[0032]需要说明的是，本公开的实施例中，对预测文本框的形状、大小等均不做过多限定，例如，预测文本框可为矩形。
[0033]可选的，训练好的文本检测模型的获取，可包括获取训练样本，训练样本包括样本检测图片和样本预测文本框，将样本检测图片输入至待训练的文本检测模型，得到第一文本框，第一文本框和样本预测文本框之间可能存在差异，则可根据上述差异对待训练的文本检测模型进行训练，直至文本检测模型收敛，或者迭代次数达到预设的迭代次数阈值，或者模型精度达到预设的精度阈值，则可结束文本检测模型的训练，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本检测方法，包括：根据待检测图片和训练好的文本检测模型生成多个预测文本框的角点坐标；采用非极大值抑制算法对所述多个预测文本框的角点坐标进行处理，得到过滤文本框的角点坐标；根据所述多个预测文本框的角点坐标和所述过滤文本框的角点坐标，从所述过滤文本框和所述多个预测文本框中筛选出多个候选文本框；根据所述多个候选文本框生成目标文本框。2.根据权利要求1所述的方法，其中，所述根据所述多个预测文本框的角点坐标和所述过滤文本框的角点坐标，从所述过滤文本框和所述多个预测文本框中筛选出多个候选文本框，包括：根据所述多个预测文本框的角点坐标和所述过滤文本框的角点坐标，计算所述预测文本框和所述过滤文本框的面积重叠度；将所述面积重叠度大于预设的重叠度阈值的所述预测文本框和所述过滤文本框，确定为所述候选文本框。3.根据权利要求1所述的方法，其中，所述根据所述多个候选文本框生成目标文本框，包括：根据所述多个候选文本框的角点坐标生成每个角点对应的坐标点集合；根据所述坐标点集合中多个坐标点的位置集中度，筛选出所述坐标点集合中的多个候选坐标点；根据所述坐标点集合中所述多个候选坐标点的坐标确定目标坐标点的坐标；根据每个角点对应的所述目标坐标点的坐标生成所述目标文本框。4.根据权利要求3所述的方法，其中，所述根据所述坐标点集合中所述多个候选坐标点的坐标确定目标坐标点的坐标，包括：将所述坐标点集合中所述多个候选坐标点的坐标中出现次数最多的候选坐标点的坐标，确定为所述目标坐标点的坐标；或者，计算所述坐标点集合中所述多个候选坐标点对应的第一中心点的坐标，并将所述第一中心点的坐标确定为所述目标坐标点的坐标。5.根据权利要求3所述的方法，其中，所述根据所述坐标点集合中各坐标点的位置集中度，筛选出所述坐标点集合中的候选坐标点，包括：计算所述坐标点集合对应的第二中心点的坐标；根据所述坐标点集合中多个坐标点的坐标和所述第二中心点的坐标，计算所述坐标点集合中每个坐标点与所述第二中心点之间的第一距离；将所述坐标点集合中所述第一距离小于对应角点的经验误差距离的所述坐标点，确定为所述候选坐标点。6.根据权利要求5所述的方法，其中，所述计算所述坐标点集合对应的第二中心点的坐标之前，还包括：根据所述坐标点集合中多个坐标点的坐标和过滤文本框的对应角点的坐标，计算所述坐标点集合中每个坐标点与所述过滤文本框的对应角点之间的第二距离；将所述坐标点集合中所述第二距离大于对应角点的所述经验误差距离的坐标点作为
孤立点去除，或者，将所述坐标点集合中所述第二距离最大的目标占比的坐标点作为孤立点去除，得到去除孤立点后的坐标点集合。7.根据权利要求6所述的方法，还包括：获取样本检测图片对应的样本实际文本框的角点坐标和多个样本预测文本框的角点坐标；根据所述样本实际文本框的角点坐标和所述多个样本预测文本框的角点坐标，计算每个角点对应的所述样本预测文本框和所述样本实际文本框之间的第三距离；将每个角点对应的多个所述第三距离的平均值确定为所述经验误差距离。8.根据权利要求7所述的方法，还包括：将所述每个角点对应的多个所述第三距离中大于所述经验误差距离的占比，确定为所述目标占比。9.一种文本检测装置，包括：第一生成模块，用于根据待检测图片和训练好的文本检测模型生成多个预测文本框的角点坐标；处理模块，用于采用非极大值抑制算法对所述多个预测文本框的角点坐标进行处理，得到过滤文本框的角点坐标；筛选模块，用于根据所述多个预测文本框的角点坐标和所述过滤文本框的角点坐标，从所述过滤文本框和所述多个预测文本框中筛选出...

【专利技术属性】
技术研发人员：王鹏，谢群义，黄聚，钦夏孟，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：