CN112800954A - 文本检测方法及装置、电子设备和存储介质 - Google Patents
文本检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112800954A CN112800954A CN202110112063.6A CN202110112063A CN112800954A CN 112800954 A CN112800954 A CN 112800954A CN 202110112063 A CN202110112063 A CN 202110112063A CN 112800954 A CN112800954 A CN 112800954A
- Authority
- CN
- China
- Prior art keywords
- text
- fourier
- feature
- text region
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 187
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 72
- 238000005070 sampling Methods 0.000 claims description 66
- 238000013528 artificial neural network Methods 0.000 claims description 62
- 238000010586 diagram Methods 0.000 claims description 35
- 238000002372 labelling Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 230000001629 suppression Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/478—Contour-based spectral representations or scale-space representations, e.g. by Fourier analysis, wavelet analysis or curvature scale-space [CSS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种文本检测方法及装置、电子设备和存储介质,所述方法包括:对待检测图像进行特征提取,得到所述待检测图像对应的至少一个第一特征;根据所述至少一个第一特征,预测所述待检测图像中的第一目标文本区域,以及预测所述第一目标文本区域对应的第一傅里叶特征;根据所述第一傅里叶特征,通过执行傅里叶逆变换操作,得到所述第一目标文本区域对应的第一目标边界框。本公开实施例可快速准确地对待检测图像中任意形状的文本区域进行检测。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种文本检测方法及装置、电子设备和存储介质。
背景技术
随着通用目标检测技术的发展,文本作为一种特殊的目标,文本检测在取得突飞猛进的进展的同时也迎来了全新的挑战。通常来说,通用目标由于其形状规则,因此可以统一使用矩形框来表示。自然场景中也存在许多规则的文本,它也可以使用矩形框来表示。但是,在不同应用场景下,文本在长度、弯曲程度、纵横比等方面具有多样性,使得文本的形状多种多样,仅使用规则的矩形框是无法对其进行准确描述的。因此,亟需一种文本检测方法来实现对任意形状的文本进行文本检测。
发明内容
本公开提出了一种文本检测方法及装置、电子设备和存储介质的技术方案。
根据本公开的一方面,提供了一种文本检测方法,包括:对待检测图像进行特征提取,得到所述待检测图像对应的至少一个第一特征;根据所述至少一个第一特征,预测所述待检测图像中的第一目标文本区域,以及预测所述第一目标文本区域对应的第一傅里叶特征;根据所述第一傅里叶特征,通过执行傅里叶逆变换操作,得到所述第一目标文本区域对应的第一目标边界框。
在一种可能的实现方式中,所述第一特征包括第一特征图;所述根据所述至少一个第一特征,预测所述待检测图像中的第一目标文本区域,包括:根据至少一个第一特征图,对所述待检测图像中的像素点进行第一分类,得到所述待检测图像中的第一初始文本区域;根据所述至少一个第一特征图,对所述待检测图像中的像素点进行第二分类,得到所述待检测图像中的第一文本中心区域,所述第一文本中心区域位于所述第一初始文本区域的中心;根据所述第一初始文本区域和所述第一文本中心区域,确定所述第一目标文本区域。
在一种可能的实现方式中,所述第一特征包括第一特征图,所述第一傅里叶特征包括第一傅里叶特征向量;所述根据所述至少一个第一特征,预测所述第一目标文本区域对应的第一傅里叶特征,包括:根据至少一个第一特征图,预测所述待检测图像中各像素点对应的傅里叶特征向量;根据所述各像素点对应的傅里叶特征向量和所述第一目标文本区域的位置,确定所述第一傅里叶特征向量。
在一种可能的实现方式中,所述根据所述第一傅里叶特征,通过执行傅里叶逆变换操作,得到所述第一目标文本区域对应的第一目标边界框,包括:通过对所述第一傅里叶特征向量执行傅里叶逆变换操作,得到所述第一目标文本区域对应的多个边界框;通过对所述多个边界框执行非极大值抑制操作,得到所述第一目标边界框。
在一种可能的实现方式中,所述文本检测方法通过文本检测神经网络实现。
在一种可能的实现方式中,所述文本检测神经网络的训练样本包括:样本图像、所述样本图像中的标注文本区域、所述标注文本区域对应的标注傅里叶特征;所述方法还包括:通过初始神经网络对所述样本图像进行特征提取,得到所述样本图像对应的至少一个第二特征;根据所述至少一个第二特征,预测所述样本图像中的第二目标文本区域,以及预测所述第二目标文本区域对应的第二傅里叶特征;根据所述第二傅里叶特征,通过执行傅里叶逆变换操作,得到所述第二目标文本区域对应的第二目标边界框;根据所述第二目标文本区域和所述标注文本区域确定第一检测损失,以及根据所述第二目标边界框和所述标注傅里叶特征,确定第二检测损失;根据所述第一检测损失和所述第二检测损失,调整所述初始神经网络的网络参数,得到训练后的所述文本检测神经网络。
在一种可能的实现方式中,所述训练样本中还包括所述标注文本区域对应的多个标注边界点;所述方法还包括:根据所述多个标注边界点,对所述标注文本区域进行边界点采样操作,得到多个采样边界点,相邻所述采样边界点之间的距离相同;通过对所述多个采样边界点执行傅里叶变换操作,得到所述标注傅里叶特征。
在一种可能的实现方式中,所述标注傅里叶特征包括标注傅里叶特征向量;所述通过对所述多个采样边界点执行傅里叶变换操作,得到所述标注傅里叶特征,包括:通过确定所述多个采样边界点中的初始采样边界点和各所述采样边界点之间的顺序,得到所述多个采样边界点对应的采样边界点序列;通过对所述采样边界点序列执行傅里叶变换操作,得到所述标注傅里叶特征向量。
在一种可能的实现方式中,所述根据所述第二目标边界框和所述标注傅里叶特征,确定第二检测损失,包括:通过对所述标注傅里叶特征向量执行傅里叶逆变换操作,得到所述标注文本区域对应的第三目标边界框;根据所述第二目标边界框和所述第三目标边界框之间的差异,确定所述第二检测损失。
在一种可能的实现方式中,所述第二特征包括第二特征图;所述根据所述至少一个第二特征,预测所述样本图像中的第二目标文本区域,包括:根据至少一个第二特征图,对所述样本图像中的像素点进行第三分类,得到所述样本图像中的第二初始文本区域;根据所述至少一个第二特征图,对所述样本图像中的像素点进行第四分类,得到所述样本图像中的第二文本中心区域,所述第二文本中心区域位于所述第二初始文本区域的中心;根据所述第二初始文本区域和所述第二文本中心区域,确定所述第二目标文本区域。
在一种可能的实现方式中,所述根据所述第二目标文本区域和所述标注文本区域确定第一检测损失,包括:根据所述标注文本区域和预设缩放比例,确定标注文本中心区域,所述标注文本中心区域位于所述标注文本区域的中心;根据所述第二目标文本区域和所述标注文本区域之间的差异,确定第三检测损失;根据所述第二文本中心区域和所述标注文本中心区域之间的差异,确定第四检测损失;根据所述第三检测损失和所述第四检测损失,确定所述第一检测损失。
根据本公开的一方面,提供了一种文本检测装置,包括:特征提取模块,用于对待检测图像进行特征提取,得到所述待检测图像对应的至少一个第一特征;预测模块,用于根据所述至少一个第一特征,预测所述待检测图像中的第一目标文本区域,以及预测所述第一目标文本区域对应的第一傅里叶特征;边界确定模块,用于根据所述第一傅里叶特征,通过执行傅里叶逆变换操作,得到所述第一目标文本区域对应的第一目标边界框。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,对待检测图像进行特征提取,得到待检测图像对应的至少一个第一特征,由于在傅里叶域中,傅里叶变换可以对极其复杂的形状进行拟合,因此,根据该至少一个第一特征,预测待检测图像中的第一目标文本区域,以及预测第一目标文本区域对应的第一傅里叶特征,也即得到了在傅里叶域中的文本检测结果,进而根据第一傅里叶特征,通过执行傅里叶逆变换操作,使得可以得到第一目标文本区域在空间域中对应的第一目标边界框,从而可以实现快速准确地对待检测图像中任意形状的文本区域的文本检测。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种文本检测方法的流程图;
图2示出根据本公开实施例的一种文本检测网络的示意图;
图3示出本公开实施例的一种标注文本区域的示意图;
图4示出根据本公开实施例的一种文本检测装置的框图;
图5示出根据本公开实施例的一种电子设备的框图;
图6示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
文本是传递语义信息的最基本的媒介,它在日常生活中无处不在,例如,路牌、商店招牌、产品包装、餐馆菜单等,这种自然环境中的文本可以被称为场景文本。自动检测和识别场景文本是非常有益的,可以应用于实时文本翻译、盲人援助、购物、机器人、智能汽车和教育等领域。文本识别系统通常包括两个步骤:文本检测和文本识别,在文本检测中,文本区域被检测并使用它们的边界框进行标记;在文本识别中,从检测到的文本区域中检索文本信息。文本检测是实现文本识别的重要步骤,没有它就无法从图像中识别文本。因此,近年来文本检测备受关注。针对复杂场景中的文本,由于其在长度、弯曲程度、纵横比等方面的多样性,使得复杂场景中的文本的形状多种多样,仅使用规则的矩形框是无法对其进行准确描述的。本公开实施例的文本检测方法,可以在傅里叶域中用不同的傅里叶特征向量表征不同的文本,进而通过傅里叶逆变换得到文本在空间域中的边界框,从而可以实现快速准确地对任意形状的文本进行文本检测。
下面对本公开实施例的文本检测方法进行详细说明。
图1示出根据本公开实施例的一种文本检测方法的流程图。该文本检测方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal DigitalAssistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,该文本检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行该文本检测方法。如图1所示,该文本检测方法可以包括:
在步骤S11中,对待检测图像进行特征提取,得到待检测图像对应的至少一个第一特征。
在步骤S12中,根据该至少一个第一特征,预测待检测图像中的第一目标文本区域,以及预测第一目标文本区域对应的第一傅里叶特征。
在步骤S13中,根据第一傅里叶特征,通过执行傅里叶逆变换操作,得到第一目标文本区域对应的第一目标边界框。
在本公开实施例中,对待检测图像进行特征提取,得到待检测图像对应的至少一个第一特征,由于在傅里叶域中,傅里叶变换可以对极其复杂的形状进行拟合,因此,根据该至少一个第一特征,预测待检测图像中的第一目标文本区域,以及预测第一目标文本区域对应的第一傅里叶特征,也即得到了在傅里叶域中的文本检测结果,进而根据第一傅里叶特征,通过执行傅里叶逆变换操作,使得可以得到第一目标文本区域在空间域中对应的第一目标边界框,从而可以实现快速准确地对待检测图像中任意形状的文本区域的文本检测。
在一种可能的实现方式中,文本检测方法通过文本检测神经网络实现。
将待检测图像输入文本检测神经网络,可以快速准确地对待检测图像中任意形状的文本区域进行文本检测,得到文本区域对应的边界框。
图2示出根据本公开实施例的一种文本检测神经网络的示意图。如图2所示,文本检测神经网络中包括:特征提取模块和预测模块。将待检测图像输入图2所示的文本检测神经网络,特征提取模块对待检测图像进行特征提取,得到待检测图像对应的至少一个第一特征。
在一种可能的实现方式中,特征提取模块可以包括可变形卷积网络(DeformableConvolutional Networks,DCN)和特征金字塔网络(Feature Pyramid Networks,FPN)。如图2所示,将待检测图像输入文本检测神经网络后,DCN和FPN对待检测图像进行特征提取,得到多个不同尺度的第一特征,选取至少一个第一特征输入预测模块进行预测。输入预测模块的第一特征的数量和尺度可以根据实际情况确定,本公开对此不作具体限定。特征提取模块的具体形式除了可以包括DCN和FPN之前,还可以具有其它的网络结构,本公开对此不作具体限定。
在一种可能的实现方式中,预测模块可以包括分类分支和回归分支。如图2所示,将至少一个第一特征输入预测模块之后,分类分支根据至少一个第一特征,预测待检测图像中的第一目标文本区域,回归分支根据至少一个第一特征,预测第一目标文本区域对应的第一傅里叶特征向量。
在一种可能的实现方式中,分类分支和回归分支可以分别包括三个3×3卷积层和一个1×1卷积层,在每个卷积层后面都有一个激活层ReLU(Rectified Linear Unit)。分类分支和回归分支的具体网络结构还可以根据实际情况包括其它形式,本公开对此不作具体限定。
在一种可能的实现方式中,第一特征包括第一特征图;根据至少一个第一特征,预测待检测图像中的第一目标文本区域,包括:根据至少一个第一特征图,对待检测图像中的像素点进行第一分类,得到待检测图像中的第一初始文本区域;根据至少一个第一特征图,对待检测图像中的像素点进行第二分类,得到待检测图像中的第一文本中心区域,第一文本中心区域位于第一初始文本区域的中心;根据第一初始文本区域和第一文本中心区域,确定第一目标文本区域。
通过分别预测第一初始文本区域和第一文本中心区域,可以有效地过滤掉围绕文本边界的低质量预测,从而可以提高最终预测得到的第一目标文本区域的预测准确度。
仍以上述图2为例,如图2所示,分类分支根据至少一个第一特征图,得到待检测图像中的第一初始文本区域和第一文本中心区域,进而根据第一初始文本区域和第一文本中心区域,确定待检测图像中的第一目标文本区域。下面对分类分支的具体预测过程进行详细说明。
分类分支根据至少一个第一特征图,对待检测图像中的像素点进行第一分类,确定待检测图像中各像素点对应的第一预测概率,第一预测概率用于指示各像素点位于文本区域的概率,进而根据待检测图像中各像素点对应的第一预测概率,确定第一初始文本区域,第一初始文本区域中各像素点对应的第一预测概率大于第一阈值。第一阈值的具体取值可以根据实际情况确定,本公开对此不作具体限定。
分类分支根据至少一个第一特征图,对待检测图像中的像素点进行第二分类,确定待检测图像中各像素点对应的第二预测概率,第二预测概率用于指示各像素点位于文本中心区域的概率,进而根据待检测图像中各像素点对应的第二预测概率,确定第一文本中心区域,第一文本中心区域中各像素点对应的第二预测概率大于第二阈值。第二阈值的具体取值可以根据实际情况确定,本公开对此不作具体限定。
将第一初始文本区域中各像素点对应的第一预测概率,以及第一文本中心区域中各像素点对应的第二预测概率,按照对应像素点进行乘积,得到各像素点对应的第三预测概率,进而根据各像素点对应的第三预测概率,确定第一目标文本区域,第一目标文本区域中各像素点的第三预测概率大于第三阈值。第三阈值的具体取值可以根据实际情况确定,本公开对此不作具体限定。
在一种可能的实现方式中,第一特征包括第一特征图,第一傅里叶特征包括第一傅里叶特征向量;根据至少一个第一特征,预测第一目标文本区域对应的第一傅里叶特征,包括:根据至少一个第一特征图,预测待检测图像中各像素点对应的傅里叶特征向量;根据各像素点对应的傅里叶特征向量和第一目标文本区域的位置,确定第一傅里叶特征向量。
文本检测神经网络可以根据至少一个特征图可以快速预测待检测图像中各像素点对应的傅里叶特征向量,由于确定了第一目标文本区域在待检测图像中的位置,从而可以快速确定得到第一目标文本区域对应的第一傅里叶特征向量。第一特征除了可以包括第一特征图之外,还可以根据实际情况包括其它形式的特征,例如,特征参数、特征矩阵等,第一傅里叶特征除了可以包括第一傅里叶特征向量之外,还可以根据实际情况包括其它形式的傅里叶特征,例如,傅里叶特征矩阵、傅里叶特征参数等,本公开对此不作具体限定。
仍以上述图2为例,如图2所示,回归分支根据至少一个第一特征图,预测得到待检测图像中各像素点的傅里叶特征向量。针对任一像素点,该像素点的傅里叶特征向量包括该像素点对应的多级傅里叶系数。例如,针对任一像素点,回归分支预测得到该像素点对应的多级傅里叶系数{...,C-2,C-1,C0,C1,C2,...},根据该像素点对应的多级傅里叶系数,得到该像素点对应的傅里叶特征向量。其中,Ck为第k级傅里叶系数,k的取值范围为从-∞到+∞。k的取值范围越大,文本检测神经网络基于多级傅里叶系数构成的傅里叶特征向量对文本区域进行拟合得到的边界框的精度越高,即文本检测神经网络的检测精度越高,但是也会导致文本检测神经网络的计算量增大,因为,可以综合考虑文本检测过程中对检测精度和计算量的需求来确定k的具体取值,以实现在满足检测精度需求的前提下可以降低计算量,确保文本检测神经网络的紧密性。例如,将k的取值范围确定从-5到+5,即多级傅里叶系数为{C-5,C-4,C-3,C-2,C-1,C0,C1,C2,C3,C4,C5},此时文本检测神经网络既可以实现对任意形状的文本区域进行精度较高的文本检测,又可以确保文本检测神经网络的计算量满足需求。
由于分类分支已经确定了第一目标文本区域,因此,可以基于回归分支预测得到的待检测图像中各像素点对应的傅里叶特征向量,确定第一目标文本区域中各像素点对应的第一傅里叶特征向量。
由于第一目标文本区域中各像素点对应的第一傅里叶特征向量均用于描述第一目标文本区域的边界,因此,除了第一目标文本区域的中心像素点之外,第一目标文本区域中其它各像素点对应的第一傅里叶特征向量是相同的。中心像素点可以根据第一傅里叶特征向量中包括的0级傅里叶系数确定。例如,根据第一傅里叶特征向量中包括的0级傅里叶系数C0,在第一目标文本区域中确定中心像素点(u0,v0)。中心像素点除了可以通过上述方式确定之外,还可以通过其它方式确定,本公开对此不作具体限定。
在一种可能的实现方式中,根据第一傅里叶特征,通过执行傅里叶逆变换操作,得到第一目标文本区域对应的第一目标边界框,包括:通过对第一傅里叶特征向量执行傅里叶逆变换操作,得到第一目标文本区域对应的多个边界框;通过对多个边界框执行非极大值抑制操作,得到第一目标边界框。
由于第一目标文本区域中各像素点对应的第一傅里叶特征向量均用于描述第一目标文本区域的边界,因此,通过对第一目标文本区域中各像素点对应的第一傅里叶特征向量执行傅里叶逆变换操作,可以得到第一目标文本区域对应的多个边界框,为了过滤掉重复边界框,对多个边界框执行非极大值抑制操作,最终得到第一目标文本区域对应的第一目标边界框,实现对待检测图像的文本检测。
仍以上述图2所示,基于文本检测神经网络,可以将待检测图像中任意形状的第一目标文本区域通过傅里叶变换转换至傅里叶域,在待检测图像中包括多个第一目标文本区域的情况下,可以利用不同的第一傅里叶特征向量(不同的傅里叶系数)来表征不同的第一目标文本区域,进而通过对各第一目标文本区域对应的第一傅里叶特征向量执行傅里叶逆变换操作和非极大值抑制操作,文本检测神经网络最终输出待检测图像中各第一目标文本区域对应的第一目标边界框,使得文本检测神经网络具有灵活性,可以实现对待检测图像中任意形状的文本进行灵活检测。
在利用文本检测神经网络对待检测图像中任意形状的文本进行文本检测之前,还需要对文本检测神经网络进行训练。对文本检测神经网络进行训练,即对文本检测神经网络中的特征提取模块和预测模块均进行训练。
下面对文本检测神经网络的训练过程进行详细说明。
在一种可能的实现方式中,文本检测神经网络的训练样本包括:样本图像、样本图像中的标注文本区域、标注文本区域对应的标注傅里叶特征;该文本检测方法还包括:通过初始神经网络对样本图像进行特征提取,得到样本图像对应的至少一个第二特征;根据至少一个第二特征,预测样本图像中的第二目标文本区域,以及预测第二目标文本区域对应的第二傅里叶特征;根据第二傅里叶特征,通过执行傅里叶逆变换操作,得到第二目标文本区域对应的第二目标边界框;根据第二目标文本区域和标注文本区域确定第一检测损失,以及根据第二目标边界框和标注傅里叶特征,确定第二检测损失;根据第一检测损失和第二检测损失,调整初始神经网络的网络参数,得到训练后的文本检测神经网络。
通过预先创建文本检测神经网络的训练样本,利用训练样本中的样本图像、样本图像中的标注文本区域、标注文本区域对应的标注傅里叶特征向量对初始神经网络进行训练,使得训练后得到的文本检测神经网络可以实现对任意形状的文本进行文本检测。初始神经网络可以是与文本检测神经网络具有相同网络结构,但是网络参数不同,且具备文本检测能力的神经网络。
在一种可能的实现方式中,训练样本中可以包括至少一个样本图像,且各样本图像中包括至少一个标注文本区域。训练样本中包括的样本图像的数目、以及任一样本图像中包括的标注文本区域的数目,可以根据实际获取的样本图像来确定,本公开对此不作具体限定。
仍以上述图2为例,将训练样本中的样本图像输入文本检测神经网络,特征提取模块对样本图像进行特征提取,得到样本图像对应的至少一个第二特征。特征模块对样本图像进行特征提取的具体过程,与上述特征提取模块对待检测图像进行特征提取的具体过程类似,这里不再赘述。
将特征提取模块提取得到的至少一个第二特征输入预测模块,预测模块中的分类分支根据至少一个第二特征,预测样本图像中的第二目标文本区域,回归分支根据至少一个第二特征,预测第二目标文本区域对应的第二傅里叶特征。
在一种可能的实现方式中,第二特征包括第二特征图;根据至少一个第二特征,预测样本图像中的第二目标文本区域,包括:根据至少一个第二特征图,对样本图像中的像素点进行第三分类,得到样本图像中的第二初始文本区域;根据至少一个第二特征图,对样本图像中的像素点进行第四分类,得到样本图像中的第二文本中心区域,第二文本中心区域位于第二初始文本区域的中心;根据第二初始文本区域和第二文本中心区域,确定第二目标文本区域。
分类分支对样本图像中第二目标文本区域的具体预测过程,与分类分支对待检测图像中第一目标文本区域的具体预测过程类似,这里不再赘述。第二傅里叶特征包括第二傅里叶特征向量,回归分支对第二目标文本区域对应的第二傅里叶特征向量的具体预测过程,与回归分支对第一目标文本区域对应的第一傅里叶特征向量的具体预测过程类似,这里不再赘述。第二特征除了可以包括第二特征图之外,还可以根据实际情况包括其它形式的特征,例如,特征参数、特征矩阵等,第二傅里叶特征除了可以包括第二傅里叶特征向量之外,还可以根据实际情况包括其它形式的傅里叶特征,例如,傅里叶特征矩阵、傅里叶特征参数等,本公开对此不作具体限定。
在确定第二目标文本区域对应的第二傅里叶特征向量之后,由于第二目标文本区域对应的第二傅里叶特征向量均用于描述第二目标文本区域的边界,因此,通过对第二傅里叶特征向量执行傅里叶逆变换操作,可以得到第二目标文本区域对应的多个边界框,为了过滤掉重复边界框,对多个边界框执行非极大值抑制操作,最终得到第二目标文本区域对应的第二目标边界框,实现文本检测神经网络对样本图像的文本检测。
通过计算检测损失,以使得可以根据检测损失调整初始神经网络的网络参数,进而实现对文本检测神经网络的训练。在计算检测损失时,综合考虑分类分支和回归分支的损失。例如,可以通过下述公式(1)确定文本检测神经网络的检测损失L:
L=Lcls+λLreg (1),
其中,Lcls为分类分支对应的第一检测损失,Lreg为回归分支对应的第二检测损失,λ为用于平衡第一检测损失Lcls和第二检测损失Lreg的参数。λ的具体取值可以根据实际情况确定,本公开对此不作具体限定。
在一种可能的实现方式中,根据第二目标文本区域和标注文本区域确定第一检测损失,包括:根据标注文本区域和预设缩放比例,确定标注文本中心区域,标注文本中心区域位于标注文本区域的中心;根据第二目标文本区域和标注文本区域之间的差异,确定第三检测损失;根据第二文本中心区域和标注文本中心区域之间的差异,确定第四检测损失;根据第三检测损失和第四检测损失,确定第一检测损失。
由于分类分支在对第二目标文本区域进行预测的过程中,预测了第二文本中心区域,因此,在确定分类分支对应的第一检测损失时,综合考虑对第二目标文本区域和第二文本中心区域的检测损失。
为了确定分类分支对第二文本中心区域的检测损失,可以通过预设缩放比例对标注文本区域进行缩放处理操作,从而在标注文本区域的中心确定得到标注文本中心区域。预设缩放比例的具体取值可以根据实际情况确定,本公开实施例不作具体限定,例如,预设缩放比例可以为0.3。图3示出本公开实施例的一种标注文本区域的示意图。如图3所示,标注文本区域的中心确定有标注文本中心区域。
例如,可以通过下述公式(2)确定分类分支对应的第一检测损失Lcls:
Lcls=Ltr+Ltcr (2),
其中,Ltr为根据第二目标文本区域和标注文本区域之间的差异确定的第三检测损失,Ltcr为根据第二文本中心区域和标注文本中心区域之间的差异确定的第四检测损。第三检测损失和第四检测损失均可以为交叉熵损失,也可以为其它形式的损失,本公开对此不作具体限定。
在对文本检测神经网络进行网络训练的过程中,样本图像中包括正样本和负样本,其中,正样本为文本区域,负样本为非文本区域。当样本图像中正样本和负样本比例不均衡时,例如,当负样本比例远远高于正样本,即非文本区域相对于文本区域较大时,不利于对文本检测神经网络的训练,会导致训练后的文本检测神经网络的检测精度较低,因此,为了解决样本平衡性的问题,对样本图像中正样本和负样本的比例进行均衡化设置,例如,负样本与正样本之比为3:1。正样本和负样本比例的具体取值可以根据实际情况进行设置,本公开对此不作具体限定。
由于第二目标文本区域对应的第二目标边界框,是基于回归分支确定的第二目标文本区域对应的第二傅里叶特征进行傅里叶逆变换确定的,为了确定回归分支对应的第二检测损失,需要利用标注文本区域对应的标注傅里叶特征,通过对标注傅里叶特征进行傅里叶逆变换得到标注文本区域对应的标注边界框,进而通过第二目标边界框和标注边界框之间的差异,确定回归分支对应的第二检测损失。
下面对训练样本中包括的标注文本区域对应的标注傅里叶特征的确定过程进行详细说明。
在一种可能的实现方式中,训练样本中还包括标注文本区域对应的多个标注边界点;该本文检测方法还包括:根据多个标注边界点,对标注文本区域进行边界点采样操作,得到多个采样边界点,相邻采样边界点之间的距离相同;通过对多个采样边界点执行傅里叶变换操作,得到标注傅里叶特征。
由于在样本图像中包括多个标注文本区域时,不同标注文本区域对应的标注边界点的数目可能不尽相同,且各标注文本区域对应的标注分界点的分布可能并不均匀,为了提高训练精度以及实现不同数据的兼容性,针对任一标注文本区域,根据标注文本区域对应的多个标注边界点,对标注文本区域进行边界点采样操作,得到标注文本区域对应的分布均匀的多个采样边界点,进而通过对多个采样边界点执行傅里叶变换操作,得到精确度较高的标注文本区域对应的标注傅里叶向量。
标注文本区域对应的多个标注边界点的形式可以是稀疏的多个标注边界点,可以是密集的多个标注边界点构成的标注边界框,还可以是分布于标注文本区域边界上的其它形式的多个标注边界点,本公开对此不做具体限定。
仍以上述图3为例,如图3所示,标注文本区域中包括具有第一形状的多个标注边界点,基于多个标注边界点,对标注文本区域进行边界点采样操作,得到具有第二形状的分布均匀的多个采样边界点。
在一种可能的实现方式中,标注傅里叶特征包括标注傅里叶特征向量;通过对多个采样边界点执行傅里叶变换操作,得到标注傅里叶特征,包括:通过确定多个采样边界点中的初始采样边界点和各采样边界点之间的顺序,得到多个采样边界点对应的采样边界点序列;通过对采样边界点序列执行傅里叶变换操作,得到标注傅里叶特征向量。
针对同一个标注文本区域,多个采样边界点构成的不同序列可能会产生不同的傅里叶特征向量,因此,为了确保一个标注文本区域对应的标注傅里叶特征向量具有唯一性,以更稳定地进行网络训练,通过确定多个采样边界点中的初始采样边界点和各采样边界点之间的顺序,得到多个采样边界点对应的具有唯一性的采样边界点序列,进而使得通过对采样边界点序列执行傅里叶变换操作后,得到的标注傅里叶特征向量也具有唯一性。
在一种可能的实现方式中,将通过标注文本区域的中心像素点的水平线,与标注文本区域之间最右侧的交点,确定为初始采样边界点。仍以上述图3为例,如图3所示,像素点A为标注文本区域的初始采样边界点。初始采样边界点除了可以采用上述确定方式确定之外,还可以采用其它确定方式进行确定,本公开对此不作具体限定。
在一种可能的实现方式中,将各采样边界点之间的顺序确定为从初始采样边界点开始的顺时针方向。各采样边界点之间的顺序还可以采用其它确定方式,本公开对此不作具体限定。
通过对采样边界点序列执行傅里叶变换操作,得到标注傅里叶特征向量,标注傅里叶特征向量包括多级傅里叶系数。例如,采样边界点序列为{P1,P2,...,Pn,...,PN},其中,Pn为采样边界点序列中的第n个采样边界点。进而可以通过下述公式(3)对采样边界点序列进行傅里叶变换,得到多级傅里叶系数,进而得到由多级傅里叶系数构成的标注傅里叶特征向量:
其中,Ck为第k级傅里叶系数,Pn=xn+iyn,(xn,yn)为第n个采样边界点Pn对应的坐标表示,i为虚数单位,N为采样边界点序列中包括的多个采样边界点的总数目。
在一种可能的实现方式中,根据第二目标边界框和标注傅里叶特征,确定第二检测损失,包括:通过对标注傅里叶特征向量执行傅里叶逆变换操作,得到标注文本区域对应的第三目标边界框;根据第二目标边界框和第三目标边界框之间的差异,确定第二检测损失。
由于文本检测神经网络最终输出的是空间域中的第二目标边界框,也即最终的检测结果仍然是空间域中的坐标表示,因此,为了提高训练后的文本检测神经网络的检测精度,需要在空间域中对文本检测神经网络中的回归分支进行监督训练,由于第二目标边界框是通过对第二傅里叶特征向量执行逆变换操作得到的,因此,通过对标注傅里叶特征向量执行傅里叶逆变换操作,得到标注文本区域在空间域中对应的第三目标边界框,进而根据第二目标边界框和第三目标边界框之间的差异,即空间域中的差异,确定回归分支对应的第二检测损失。
例如,根据下述公式(4)确定回归分支对应的第二检测损失Lreg:
其中,l1(·)为用于平滑回归损失函数,F-1(·)为傅里叶逆变换操作,n为采样边界点序列中的第n个采样边界点,N为采样边界点的总数目,为像素点i对应的标注傅里叶特征向量,ci为第二目标文本区域中像素点i对应的第二傅里叶特征向量,τ为第二目标文本区域或标注文本区域的像素集合,为像素点i的权重系数。的具体取值可以预先设定,例如,若像素点i位于文本中心区域,则否则, 的具体取值还可以根据实际情况设置为其它值,本公开对此不作具体限定。
傅里叶逆变换操作是傅里叶变换操作的逆过程,结合上述公式(3),对傅里叶特征向量执行傅里叶逆变换操作,即对构成傅里叶特征向量的多级傅里叶系数执行傅里叶逆变换操作。仍以上述公式(3)为例,通过下述公式(5)对构成标注傅里叶特征向量的多级傅里叶系数执行傅里叶逆变换操作:
结合公式(4)和公式(5),可以确定文本检测神经网络中回归分支对应的第二检测损失。
在确定分类分支对应的第一检测损失,以及回归分支对应的第二检测损失之后,根据第一检测损失和第二检测损失,调整初始神经网络的网络参数,通过迭代执行上述网络训练过程,可以得到训练后的文本检测神经网络,训练后的文本检测神经网络可以实现快速准确地对任意形状的文本区域进行文本检测。
本公开实施例的文本检测神经网络可以嵌入到相关技术中的目标检测网络中,以实现对任意形状的文本进行文本检测。本公开实施例的文本检测方法可以推广到通用目标的检测、分割上,例如,将本公开实施例的文本检测方法扩展为通用目标(例如,人脸、人体、车辆等),进而实现对通用目标的检测,以及基于检测结果,进行目标分割等后处理操作。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了文本检测装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种文本检测方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图4示出根据本公开实施例的一种文本检测装置的框图。如图4所示,装置40包括:
特征提取模块41,用于对待检测图像进行特征提取,得到待检测图像对应的至少一个第一特征;
预测模块42,用于根据至少一个第一特征,预测待检测图像中的第一目标文本区域,以及预测第一目标文本区域对应的第一傅里叶特征;
边界确定模块43,用于根据第一傅里叶特征,通过执行傅里叶逆变换操作,得到第一目标文本区域对应的第一目标边界框。
在一种可能的实现方式中,第一特征包括第一特征图;
预测模块42,包括:
第一分类子模块,用于根据至少一个第一特征图,对待检测图像中的像素点进行第一分类,得到待检测图像中的第一初始文本区域;
第二分类子模块,用于根据至少一个第一特征图,对待检测图像中的像素点进行第二分类,得到待检测图像中的第一文本中心区域,第一文本中心区域位于第一初始文本区域的中心;
第一确定子模块,用于根据第一初始文本区域和第一文本中心区域,确定第一目标文本区域。
在一种可能的实现方式中,第一特征包括第一特征图,第一傅里叶特征包括第一傅里叶特征向量;
预测模块42,包括:
预测子模块,用于根据至少一个第一特征图,预测待检测图像中各像素点对应的傅里叶特征向量;
第二确定子模块,用于根据各像素点对应的傅里叶特征向量和第一目标文本区域的位置,确定第一傅里叶特征向量。
在一种可能的实现方式中,边界确定模块43,包括:
傅里叶逆变换子模块,用于通过对第一傅里叶特征向量执行傅里叶逆变换操作,得到第一目标文本区域对应的多个边界框;
非极大值抑制子模块,用于通过对多个边界框执行非极大值抑制操作,得到第一目标边界框。
在一种可能的实现方式中,装置40执行的文本检测方法通过文本检测神经网络实现。
在一种可能的实现方式中,文本检测神经网络的训练样本包括:样本图像、样本图像中的标注文本区域、标注文本区域对应的标注傅里叶特征;
特征提取模块41,还用于通过初始神经网络对样本图像进行特征提取,得到样本图像对应的至少一个第二特征;
预测模块42,还用于根据至少一个第二特征,预测样本图像中的第二目标文本区域,以及预测第二目标文本区域对应的第二傅里叶特征;
边界确定模块43,还用于根据第二傅里叶特征,通过执行傅里叶逆变换操作,得到第二目标文本区域对应的第二目标边界框;
装置40还包括:
检测损失确定模块,用于根据第二目标文本区域和标注文本区域确定第一检测损失,以及根据第二目标边界框和标注傅里叶特征,确定第二检测损失;
参数调整模块,用于根据第一检测损失和第二检测损失,调整初始神经网络的网络参数,得到训练后的文本检测神经网络。
在一种可能的实现方式中,训练样本中还包括标注文本区域对应的多个标注边界点;
装置40还包括:
采样模块,用于根据多个标注边界点,对标注文本区域进行边界点采样操作,得到多个采样边界点,相邻采样边界点之间的距离相同;
傅里叶变换模块,通过对多个采样边界点执行傅里叶变换操作,得到标注傅里叶特征。
在一种可能的实现方式中,标注傅里叶特征包括标注傅里叶特征向量;
傅里叶变换模块,包括:
第三确定子模块,用于通过确定多个采样边界点中的初始采样边界点和各采样边界点之间的顺序,得到多个采样边界点对应的采样边界点序列;
傅里叶变换子模块,用于通过对采样边界点序列执行傅里叶变换操作,得到标注傅里叶特征向量。
在一种可能的实现方式中,傅里叶逆变换子模块,还用于通过对标注傅里叶特征向量执行傅里叶逆变换操作,得到标注文本区域对应的第三目标边界框;
检测损失确定模块,包括:
第四确定子模块,用于根据第二目标边界框和第三目标边界框之间的差异,确定第二检测损失。
在一种可能的实现方式中,第二特征包括第二特征图;
第一分类子模块,还用于根据至少一个第二特征图,对样本图像中的像素点进行第三分类,得到样本图像中的第二初始文本区域;
第二分类子模块,还用于根据至少一个第二特征图,对样本图像中的像素点进行第四分类,得到样本图像中的第二文本中心区域,第二文本中心区域位于第二初始文本区域的中心;
第一确定子模块,还用于根据第二初始文本区域和第二文本中心区域,确定第二目标文本区域。
在一种可能的实现方式中,检测损失确定模块,包括:
第五确定子模块,用于根据标注文本区域和预设缩放比例,确定标注文本中心区域,标注文本中心区域位于标注文本区域的中心;
第六确定子模块,用于根据第二目标文本区域和标注文本区域之间的差异,确定第三检测损失;
第七确定子模块,用于根据第二文本中心区域和标注文本中心区域之间的差异,确定第四检测损失;
第八确定子模块,用于根据第三检测损失和第四检测损失,确定第一检测损失。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的文本检测方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的文本检测方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种电子设备的框图。如图5所示,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图5,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种电子设备的框图。如图6所示,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (14)
1.一种文本检测方法,其特征在于,包括:
对待检测图像进行特征提取,得到所述待检测图像对应的至少一个第一特征;
根据所述至少一个第一特征,预测所述待检测图像中的第一目标文本区域,以及预测所述第一目标文本区域对应的第一傅里叶特征;
根据所述第一傅里叶特征,通过执行傅里叶逆变换操作,得到所述第一目标文本区域对应的第一目标边界框。
2.根据权利要求1所述的方法,其特征在于,所述第一特征包括第一特征图;
所述根据所述至少一个第一特征,预测所述待检测图像中的第一目标文本区域,包括:
根据至少一个第一特征图,对所述待检测图像中的像素点进行第一分类,得到所述待检测图像中的第一初始文本区域;
根据所述至少一个第一特征图,对所述待检测图像中的像素点进行第二分类,得到所述待检测图像中的第一文本中心区域,所述第一文本中心区域位于所述第一初始文本区域的中心;
根据所述第一初始文本区域和所述第一文本中心区域,确定所述第一目标文本区域。
3.根据权利要求1或2所述的方法,其特征在于,所述第一特征包括第一特征图,所述第一傅里叶特征包括第一傅里叶特征向量;
所述根据所述至少一个第一特征,预测所述第一目标文本区域对应的第一傅里叶特征,包括:
根据至少一个第一特征图,预测所述待检测图像中各像素点对应的傅里叶特征向量;
根据所述各像素点对应的傅里叶特征向量和所述第一目标文本区域的位置,确定所述第一傅里叶特征向量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一傅里叶特征,通过执行傅里叶逆变换操作,得到所述第一目标文本区域对应的第一目标边界框,包括:
通过对所述第一傅里叶特征向量执行傅里叶逆变换操作,得到所述第一目标文本区域对应的多个边界框;
通过对所述多个边界框执行非极大值抑制操作,得到所述第一目标边界框。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,所述文本检测方法通过文本检测神经网络实现。
6.根据权利要求5所述的方法,其特征在于,所述文本检测神经网络的训练样本包括:样本图像、所述样本图像中的标注文本区域、所述标注文本区域对应的标注傅里叶特征;
所述方法还包括:
通过初始神经网络对所述样本图像进行特征提取,得到所述样本图像对应的至少一个第二特征;
根据所述至少一个第二特征,预测所述样本图像中的第二目标文本区域,以及预测所述第二目标文本区域对应的第二傅里叶特征;
根据所述第二傅里叶特征,通过执行傅里叶逆变换操作,得到所述第二目标文本区域对应的第二目标边界框;
根据所述第二目标文本区域和所述标注文本区域确定第一检测损失,以及根据所述第二目标边界框和所述标注傅里叶特征,确定第二检测损失;
根据所述第一检测损失和所述第二检测损失,调整所述初始神经网络的网络参数,得到训练后的所述文本检测神经网络。
7.根据权利要求6所述的方法,其特征在于,所述训练样本中还包括所述标注文本区域对应的多个标注边界点;
所述方法还包括:
根据所述多个标注边界点,对所述标注文本区域进行边界点采样操作,得到多个采样边界点,相邻所述采样边界点之间的距离相同;
通过对所述多个采样边界点执行傅里叶变换操作,得到所述标注傅里叶特征。
8.根据权利要求7所述的方法,其特征在于,所述标注傅里叶特征包括标注傅里叶特征向量;
所述通过对所述多个采样边界点执行傅里叶变换操作,得到所述标注傅里叶特征,包括:
通过确定所述多个采样边界点中的初始采样边界点和各所述采样边界点之间的顺序,得到所述多个采样边界点对应的采样边界点序列;
通过对所述采样边界点序列执行傅里叶变换操作,得到所述标注傅里叶特征向量。
9.根据权利要求8所述的方法,其特征在于,所述根据所述第二目标边界框和所述标注傅里叶特征,确定第二检测损失,包括:
通过对所述标注傅里叶特征向量执行傅里叶逆变换操作,得到所述标注文本区域对应的第三目标边界框;
根据所述第二目标边界框和所述第三目标边界框之间的差异,确定所述第二检测损失。
10.根据权利要求6至9中任意一项所述的方法,其特征在于,所述第二特征包括第二特征图;
所述根据所述至少一个第二特征,预测所述样本图像中的第二目标文本区域,包括:
根据至少一个第二特征图,对所述样本图像中的像素点进行第三分类,得到所述样本图像中的第二初始文本区域;
根据所述至少一个第二特征图,对所述样本图像中的像素点进行第四分类,得到所述样本图像中的第二文本中心区域,所述第二文本中心区域位于所述第二初始文本区域的中心;
根据所述第二初始文本区域和所述第二文本中心区域,确定所述第二目标文本区域。
11.根据权利要求10所述的方法,其特征在于,所述根据所述第二目标文本区域和所述标注文本区域确定第一检测损失,包括:
根据所述标注文本区域和预设缩放比例,确定标注文本中心区域,所述标注文本中心区域位于所述标注文本区域的中心;
根据所述第二目标文本区域和所述标注文本区域之间的差异,确定第三检测损失;
根据所述第二文本中心区域和所述标注文本中心区域之间的差异,确定第四检测损失;
根据所述第三检测损失和所述第四检测损失,确定所述第一检测损失。
12.一种文本检测装置,其特征在于,包括:
特征提取模块,用于对待检测图像进行特征提取,得到所述待检测图像对应的至少一个第一特征;
预测模块,用于根据所述至少一个第一特征,预测所述待检测图像中的第一目标文本区域,以及预测所述第一目标文本区域对应的第一傅里叶特征;
边界确定模块,用于根据所述第一傅里叶特征,通过执行傅里叶逆变换操作,得到所述第一目标文本区域对应的第一目标边界框。
13.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至11中任意一项所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至11中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110112063.6A CN112800954A (zh) | 2021-01-27 | 2021-01-27 | 文本检测方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110112063.6A CN112800954A (zh) | 2021-01-27 | 2021-01-27 | 文本检测方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112800954A true CN112800954A (zh) | 2021-05-14 |
Family
ID=75812207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110112063.6A Pending CN112800954A (zh) | 2021-01-27 | 2021-01-27 | 文本检测方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800954A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882485A (zh) * | 2022-04-25 | 2022-08-09 | 华南理工大学 | 一种面向细长文本的自然场景文字检测方法、系统及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834922A (zh) * | 2015-05-27 | 2015-08-12 | 电子科技大学 | 基于混合神经网络的手势识别方法 |
CN104951502A (zh) * | 2014-03-10 | 2015-09-30 | Ims保健公司 | 笔迹识别工具 |
CN108121983A (zh) * | 2016-11-29 | 2018-06-05 | 蓝盾信息安全技术有限公司 | 一种基于傅里叶变换的文本图像纠偏方法 |
CN110991448A (zh) * | 2019-11-27 | 2020-04-10 | 云南电网有限责任公司电力科学研究院 | 电力设备铭牌图像的文本检测方法及装置 |
CN111027563A (zh) * | 2019-12-09 | 2020-04-17 | 腾讯云计算(北京)有限责任公司 | 一种文本检测方法、装置及识别系统 |
CN111159976A (zh) * | 2019-12-18 | 2020-05-15 | 腾讯科技(深圳)有限公司 | 文本位置标注方法、装置 |
CN111310758A (zh) * | 2020-02-13 | 2020-06-19 | 上海眼控科技股份有限公司 | 文本检测方法、装置、计算机设备和存储介质 |
CN111401371A (zh) * | 2020-06-03 | 2020-07-10 | 中邮消费金融有限公司 | 一种文本检测识别方法、系统及计算机设备 |
CN111797821A (zh) * | 2020-09-09 | 2020-10-20 | 北京易真学思教育科技有限公司 | 文本检测方法、装置、电子设备及计算机存储介质 |
-
2021
- 2021-01-27 CN CN202110112063.6A patent/CN112800954A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104951502A (zh) * | 2014-03-10 | 2015-09-30 | Ims保健公司 | 笔迹识别工具 |
CN104834922A (zh) * | 2015-05-27 | 2015-08-12 | 电子科技大学 | 基于混合神经网络的手势识别方法 |
CN108121983A (zh) * | 2016-11-29 | 2018-06-05 | 蓝盾信息安全技术有限公司 | 一种基于傅里叶变换的文本图像纠偏方法 |
CN110991448A (zh) * | 2019-11-27 | 2020-04-10 | 云南电网有限责任公司电力科学研究院 | 电力设备铭牌图像的文本检测方法及装置 |
CN111027563A (zh) * | 2019-12-09 | 2020-04-17 | 腾讯云计算(北京)有限责任公司 | 一种文本检测方法、装置及识别系统 |
CN111159976A (zh) * | 2019-12-18 | 2020-05-15 | 腾讯科技(深圳)有限公司 | 文本位置标注方法、装置 |
CN111310758A (zh) * | 2020-02-13 | 2020-06-19 | 上海眼控科技股份有限公司 | 文本检测方法、装置、计算机设备和存储介质 |
CN111401371A (zh) * | 2020-06-03 | 2020-07-10 | 中邮消费金融有限公司 | 一种文本检测识别方法、系统及计算机设备 |
CN111797821A (zh) * | 2020-09-09 | 2020-10-20 | 北京易真学思教育科技有限公司 | 文本检测方法、装置、电子设备及计算机存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882485A (zh) * | 2022-04-25 | 2022-08-09 | 华南理工大学 | 一种面向细长文本的自然场景文字检测方法、系统及介质 |
CN114882485B (zh) * | 2022-04-25 | 2024-05-24 | 华南理工大学 | 一种面向细长文本的自然场景文字检测方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210535B (zh) | 神经网络训练方法及装置以及图像处理方法及装置 | |
CN111753822B (zh) | 文本识别方法及装置、电子设备和存储介质 | |
CN109697734B (zh) | 位姿估计方法及装置、电子设备和存储介质 | |
CN109522910B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN109919300B (zh) | 神经网络训练方法及装置以及图像处理方法及装置 | |
CN110837761B (zh) | 多模型知识蒸馏方法及装置、电子设备和存储介质 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN110598504B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN113538519A (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN110458218B (zh) | 图像分类方法及装置、分类网络训练方法及装置 | |
CN111931844B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111445493A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111507408A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109635920B (zh) | 神经网络优化方法及装置、电子设备和存储介质 | |
CN113326768B (zh) | 训练方法、图像特征提取方法、图像识别方法及装置 | |
CN110909815A (zh) | 神经网络训练、图像处理方法、装置及电子设备 | |
CN112598063A (zh) | 神经网络生成方法及装置、电子设备和存储介质 | |
CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
CN111242303A (zh) | 网络训练方法及装置、图像处理方法及装置 | |
CN111523599B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
CN114332503A (zh) | 对象重识别方法及装置、电子设备和存储介质 | |
CN111523555A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN113052874B (zh) | 目标跟踪方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210514 |
|
RJ01 | Rejection of invention patent application after publication |