CN113033346B - 文本检测方法、装置和电子设备 - Google Patents
文本检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113033346B CN113033346B CN202110261196.XA CN202110261196A CN113033346B CN 113033346 B CN113033346 B CN 113033346B CN 202110261196 A CN202110261196 A CN 202110261196A CN 113033346 B CN113033346 B CN 113033346B
- Authority
- CN
- China
- Prior art keywords
- coordinates
- text
- coordinate
- corner
- text box
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 95
- 238000001914 filtration Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000001629 suppression Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 9
- 238000012015 optical character recognition Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 101100272669 Aromatoleum evansii boxA gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Character Input (AREA)
Abstract
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。
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、装置、电子设备、存储介质和计算机程序产品。
背景技术
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。
发明内容
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。
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。
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。
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。
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。
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。
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
附图用于更好地理解本方案，不构成对本公开的限定。其中：
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；
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；
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；
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；
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；
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；
图7是根据本公开第一实施例的文本检测装置的框图；
图8是根据本公开第二实施例的文本检测装置的框图；
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
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。
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。
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。
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。
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。
如图1所示，本公开第一实施例的文本检测方法，包括：
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。
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。
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。
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。
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。
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。
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。
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，将最后一次训练得到的文本检测模型作为训练好的文本检测模型。其中，迭代次数阈值、精度阈值均可根据实际情况进行设置。
S102，采用非极大值抑制算法对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。
本公开的实施例中，可采用NMS(Non-Maximum Suppression，非极大值抑制)算法对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。其中，非极大值抑制算法可根据实际情况进行设置，这里不做过多限定。
可选的，采用非极大值抑制算法对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，可包括将多个预测文本框的角点坐标输入至非极大值抑制算法，以得到过滤文本框的角点坐标。
S103，根据多个预测文本框的角点坐标和过滤文本框的角点坐标，从过滤文本框和多个预测文本框中筛选出多个候选文本框。
本公开的实施例中，可根据多个预测文本框的角点坐标和过滤文本框的角点坐标，从过滤文本框和多个预测文本框中筛选出多个候选文本框，也就是说，可进一步从过滤文本框和多个预测文本框中筛选出多个候选文本框。应说明的是，多个候选文本框中包括过滤文本框。
可选的，根据多个预测文本框的角点坐标和过滤文本框的角点坐标，从过滤文本框和多个预测文本框中筛选出多个候选文本框，可包括根据多个预测文本框的角点坐标和过滤文本框的角点坐标，计算预测文本框和过滤文本框的面积重叠度，将面积重叠度大于预设的重叠度阈值的预测文本框和过滤文本框，确定为候选文本框。由此，该方法可从多个预测文本框中筛选出面积重叠度较大的预测文本框，并将筛选出的上述预测文本框和过滤文本框确定为候选文本框。
其中，面积重叠度可用IOU(Intersection Over Union，交并比)来表征，交并比越大，对应的面积重叠度越大。
其中，重叠度阈值可根据实际情况进行设置，这里不做过多限定。例如，可设置为0.2。
S104，根据多个候选文本框生成目标文本框。
本公开的实施例中，可根据多个候选文本框生成目标文本框。可以理解的是，目标文本框的数量可为一个或多个，这里不做过多限定。
可以理解的是，目标文本框可用于文本检测。例如，可在目标文本框内采用OCR(Optical Character Recognition，光学字符识别)技术进行文本检测。
综上，根据本公开实施例的文本检测方法，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，根据多个预测文本框的角点坐标和过滤文本框的角点坐标，从过滤文本框和多个预测文本框中筛选出多个候选文本框，根据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。
在上述任一实施例的基础上，如图2所示，步骤S104中根据多个候选文本框生成目标文本框，可包括：
S201，根据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。
本公开的实施例中，可根据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。可以理解的是，一个候选文本框可包括多个角点，每个角点可对应一个坐标点集合。
例如，如图3所示，若候选文本框为矩形，一个候选文本框可包括4个角点，共有4个坐标点集合，分别为集合A、B、C、D，候选文本框中左上角位置的角点对应的坐标点集合为A，左下角位置的角点对应的坐标点集合为B，右上角位置的角点对应的坐标点集合为C，右下角位置的角点对应的坐标点集合为D。
S202，根据坐标点集合中多个坐标点的位置集中度，筛选出坐标点集合中的多个候选坐标点。
本公开的实施例中，可根据坐标点集合中多个坐标点的位置集中度，筛选出坐标点集合中的多个候选坐标点。由此，可根据位置集中度从坐标点集合中进一步筛选出多个候选坐标点。
S203，根据坐标点集合中多个候选坐标点的坐标确定目标坐标点的坐标。
可选的，根据坐标点集合中多个候选坐标点的坐标确定目标坐标点的坐标，可包括以下两种可能的实施方式：
方式1、将坐标点集合中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，确定为目标坐标点的坐标。
本公开的实施例中，可将坐标点集合中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，确定为目标坐标点的坐标，即采用众数理论从多个候选坐标点的坐标中筛选出目标坐标点的坐标。
例如，若坐标点集合中包括3个候选坐标点的坐标P1、P2、P3，坐标P1、P2出现次数为1次，坐标P3出现次数为2次，则可将坐标P3确定为目标坐标点的坐标。
方式2、计算坐标点集合中多个候选坐标点对应的第一中心点的坐标，并将第一中心点的坐标确定为目标坐标点的坐标。
本公开的实施例中看，可计算坐标点集合中多个候选坐标点对应的第一中心点的坐标，并将第一中心点的坐标确定为目标坐标点的坐标，即将多个候选坐标点的第一中心点的坐标确定为目标坐标点的坐标。
其中，计算多个候选坐标点对应的第一中心点的坐标，可包括计算多个候选坐标点的平均坐标，将平均坐标作为上述第一中心点的坐标。
S204，根据每个角点对应的目标坐标点的坐标生成目标文本框。
本公开的实施例中，可根据每个角点对应的目标坐标点的坐标生成目标文本框。可以理解的是，目标坐标点的坐标即为目标文本框的角点的坐标，则可根据目标坐标点的坐标生成目标文本框。
由此，该方法可根据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，根据坐标点集合中多个坐标点的位置集中度，筛选出坐标点集合中的多个候选坐标点，根据坐标点集合中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目标坐标点的坐标生成目标文本框，从而可根据多个候选文本框生成目标文本框。
在上述任一实施例的基础上，如图4所示，步骤S202中根据坐标点集合中多个坐标点的位置集中度，筛选出坐标点集合中的多个候选坐标点，可包括：
S401，计算坐标点集合对应的第二中心点的坐标。
本公开的实施例中，计算坐标点集合对应的第二中心点的坐标，可包括计算坐标点集合中多个坐标点的平均坐标，将平均坐标作为上述第二中心点的坐标。
S402，根据坐标点集合中多个坐标点的坐标和第二中心点的坐标，计算坐标点集合中每个坐标点与第二中心点之间的第一距离。
本公开的实施例中，可根据坐标点集合中多个坐标点的坐标和第二中心点的坐标，计算坐标点集合中每个坐标点与第二中心点之间的第一距离。可以理解的是，不同的坐标点与第二中心点之间的第一距离可能不同。
可以理解的是，本公开的实施例中，每个坐标点与第二中心点之间的第一距离用于表征该坐标点的位置集中度。每个坐标点与第二中心点之间的第一距离越大，该坐标点对应的位置集中度越小。
S403，将坐标点集合中第一距离小于对应角点的经验误差距离的坐标点，确定为候选坐标点。
本公开的实施例中，经验误差距离可根据实际情况进行设置，用于表征位置集中度的临界值。可以理解的是，每个角点可对应一个经验误差距离，不同的角点可对应不同的经验误差距离。
本公开的实施例中，可将坐标点集合中第一距离小于对应角点的经验误差距离的坐标点，确定为候选坐标点，从而可从坐标点集合中筛选出第一距离小于经验误差距离的候选坐标点，即从坐标点集合中筛选出位置集中度较高的候选坐标点，有助于提高获取候选坐标点的准确度。
由此，该方法可计算坐标点集合对应的第二中心点的坐标，根据坐标点集合中多个坐标点的坐标和第二中心点的坐标，计算坐标点集合中每个坐标点与第二中心点之间的第一距离，将坐标点集合中第一距离小于对应角点的经验误差距离的坐标点，确定为候选坐标点，有助于提高获取候选坐标点的准确度。
在上述任一实施例的基础上，如图5所示，步骤S403中经验误差距离的获取，可包括：
S501，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。
本公开的实施例中，可获取训练样本，训练样本包括样本检测图片、样本实际文本框和样本预测文本框。可以理解的是，样本检测图片、样本实际文本框和样本预测文本框之间具有对应关系。
进一步地，可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。
S502，根据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，计算每个角点对应的样本预测文本框和样本实际文本框之间的第三距离。
可以理解的是，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可能不同，则可计算每个角点对应的样本预测文本框和样本实际文本框之间的第三距离，每个角点可对应多个上述第三距离。
例如，若文本框为矩形，样本预测文本框A1对应的左上角位置的角点坐标为P1，样本实际文本框B对应的左上角位置的角点坐标为P，则可计算坐标P1和坐标P之间的距离，将其作为左上角位置的角点对应的样本预测文本框A1和样本实际文本框B之间的第三距离。
或者，样本预测文本框A2对应的左上角位置的角点坐标为P2，样本实际文本框B对应的左上角位置的角点坐标为P，则可计算坐标P2和坐标P之间的距离，将其作为左上角位置的角点对应的样本预测文本框A2和样本实际文本框B之间的第三距离。
S503，将每个角点对应的多个第三距离的平均值确定为经验误差距离。
本公开的实施例中，可将每个角点对应的多个第三距离的平均值确定为经验误差距离。可以理解的是，不同角点可对应不同的经验误差距离。
由此，该方法可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，计算每个角点对应的样本预测文本框和样本实际文本框之间的第三距离，将每个角点对应的多个第三距离的平均值确定为经验误差距离，从而实现经验误差距离的获取。
在上述任一实施例的基础上，如图6所示，步骤S401中计算坐标点集合对应的第二中心点的坐标之前，还包括：
S601，根据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，计算坐标点集合中每个坐标点与过滤文本框的对应角点之间的第二距离。
可以理解的是，每个坐标点可对应一个第二距离。
例如，若文本框为矩形，坐标点集合中包括左上角位置的坐标点P1、P2，过滤文本框A对应的左上角位置的角点坐标为P，则可计算坐标点P1和坐标P之间的距离，将其作为坐标点P1与过滤文本框的对应角点之间的第二距离，还可计算坐标点P2和坐标P之间的距离，将其作为坐标点P2与过滤文本框的对应角点之间的第二距离。
S602，将坐标点集合中第二距离大于对应角点的经验误差距离的坐标点作为孤立点去除，或者，将坐标点集合中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。
本公开的实施例中，可将坐标点集合中第二距离大于对应角点的经验误差距离的坐标点作为孤立点去除，或者，将坐标点集合中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，从而能够将坐标点集合中原本存在的孤立点去除，有助于提高坐标点集合的准确性。
其中，目标占比可根据实际情况进行设置，目标占比可为0～1中的任一值。可选的，可将每个角点对应的多个第三距离中大于经验误差距离的占比，确定为目标占比。
由此，该方法能够根据坐标点集合中每个坐标点与过滤文本框的对应角点之间的第二距离，去除坐标点集合中的孤立点，得到去除孤立点后的坐标点集合，有助于提高坐标点集合的准确性。
图7是根据本公开第一实施例的文本检测装置的框图。
如图7所示，本公开实施例的文本检测装置700，包括：第一生成模块701、处理模块702、筛选模块703和第二生成模块704。
第一生成模块701，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702，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703，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704，用于根据所述多个候选文本框生成目标文本框。
在本公开的一个实施例中，所述筛选模块703，具体用于：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，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。
综上，本公开实施例的文本检测装置，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，根据多个预测文本框的角点坐标和过滤文本框的角点坐标，从过滤文本框和多个预测文本框中筛选出多个候选文本框，根据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。
图8是根据本公开第二实施例的文本检测装置的框图。
如图8所示，本公开实施例的文本检测装置800，包括：第一生成模块801、处理模块802、筛选模块803和第二生成模块804。
其中，第一生成模块801与第一生成模块701具有相同功能和结构，处理模块802与处理模块702具有相同功能和结构，筛选模块803与筛选模块703具有相同功能和结构。
在本公开的一个实施例中，所述第二生成模块804，包括：第一生成单元8041，用于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；筛选单元8042，用于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；确定单元8043，用于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；第二生成单元8044，用于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。
在本公开的一个实施例中，所述确定单元8043，具体用于：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。
在本公开的一个实施例中，所述筛选单元8042，包括：第一计算子单元，用于计算所述坐标点集合对应的第二中心点的坐标；第二计算子单元，用于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；第一确定子单元，用于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。
在本公开的一个实施例中，所述筛选单元8042，还包括：第三计算子单元，用于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；去除子单元，用于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。
在本公开的一个实施例中，所述筛选单元8042，还包括：第二确定子单元，用于：获取子单元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。
在本公开的一个实施例中，所述筛选单元8042，还包括：第三确定子单元，用于：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。
综上，本公开实施例的文本检测装置，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，根据多个预测文本框的角点坐标和过滤文本框的角点坐标，从过滤文本框和多个预测文本框中筛选出多个候选文本框，根据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。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，电子设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许电子设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如图1至图6所述的文本检测方法。例如，在一些实施例中，文本检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的文本检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文本检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
根据本公开的实施例，本公开还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上述实施例所述的文本检测方法。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (14)
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；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；
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。
2.根据权利要求1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。
3.根据权利要求1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。
4.根据权利要求3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。
5.根据权利要求4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。
6.根据权利要求5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。
7.一种文本检测装置，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；其中，
所述筛选模块，具体用于：
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，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；
所述第二生成模块，包括：
第一生成单元，用于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；
筛选单元，用于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；
确定单元，用于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；
第二生成单元，用于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。
8.根据权利要求7所述的装置，其中，所述确定单元，具体用于：
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。
9.根据权利要求7所述的装置，其中，所述筛选单元，包括：
第一计算子单元，用于计算所述坐标点集合对应的第二中心点的坐标；
第二计算子单元，用于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；
第一确定子单元，用于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。
10.根据权利要求9所述的装置，其中，所述筛选单元，还包括：
第三计算子单元，用于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；
去除子单元，用于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。
11.根据权利要求10所述的装置，其中，所述筛选单元，还包括：第二确定子单元，用于：
获取子单元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。
12.根据权利要求11所述的装置，其中，所述筛选单元，还包括：第三确定子单元，用于：
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。
13. 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权利要求1-6中任一项所述的文本检测方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的文本检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110261196.XA CN113033346B (zh) | 2021-03-10 | 2021-03-10 | 文本检测方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110261196.XA CN113033346B (zh) | 2021-03-10 | 2021-03-10 | 文本检测方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113033346A CN113033346A (zh) | 2021-06-25 |
| CN113033346B true CN113033346B (zh) | 2023-08-04 |
Family
ID=76469226
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110261196.XA Active CN113033346B (zh) | 2021-03-10 | 2021-03-10 | 文本检测方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113033346B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113673497A (zh) * | 2021-07-21 | 2021-11-19 | 浙江大华技术股份有限公司 | 文本检测方法、终端及其计算机可读存储介质 |
| CN113850238B (zh) * | 2021-11-29 | 2022-03-04 | 北京世纪好未来教育科技有限公司 | 文档检测方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10032072B1 (en) * | 2016-06-21 | 2018-07-24 | A9.Com, Inc. | Text recognition and localization with deep learning |
| CN110020676A (zh) * | 2019-03-18 | 2019-07-16 | 华南理工大学 | 基于多感受野深度特征的文本检测方法、系统、设备及介质 |
| WO2019192397A1 (zh) * | 2018-04-04 | 2019-10-10 | 华中科技大学 | 一种任意形状的场景文本端到端识别方法 |
| CN110674802A (zh) * | 2019-09-09 | 2020-01-10 | 电子科技大学 | 一种改进的平行四边形候选框的文本检测方法 |
| CN111444918A (zh) * | 2020-04-01 | 2020-07-24 | 中移雄安信息通信科技有限公司 | 图像倾斜文本行检测模型训练及图像倾斜文本行检测方法 |
| CN112232315A (zh) * | 2020-12-11 | 2021-01-15 | 北京易真学思教育科技有限公司 | 文本框检测方法、装置、电子设备和计算机存储介质 |
| WO2021017998A1 (zh) * | 2019-07-26 | 2021-02-04 | 第四范式（北京）技术有限公司 | 文本位置定位方法和系统以及模型训练方法和系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103092456B (zh) * | 2011-10-31 | 2015-11-25 | 国际商业机器公司 | 一种文本框输入方法和系统 |
-
2021
- 2021-03-10 CN CN202110261196.XA patent/CN113033346B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10032072B1 (en) * | 2016-06-21 | 2018-07-24 | A9.Com, Inc. | Text recognition and localization with deep learning |
| WO2019192397A1 (zh) * | 2018-04-04 | 2019-10-10 | 华中科技大学 | 一种任意形状的场景文本端到端识别方法 |
| CN110020676A (zh) * | 2019-03-18 | 2019-07-16 | 华南理工大学 | 基于多感受野深度特征的文本检测方法、系统、设备及介质 |
| WO2021017998A1 (zh) * | 2019-07-26 | 2021-02-04 | 第四范式（北京）技术有限公司 | 文本位置定位方法和系统以及模型训练方法和系统 |
| CN110674802A (zh) * | 2019-09-09 | 2020-01-10 | 电子科技大学 | 一种改进的平行四边形候选框的文本检测方法 |
| CN111444918A (zh) * | 2020-04-01 | 2020-07-24 | 中移雄安信息通信科技有限公司 | 图像倾斜文本行检测模型训练及图像倾斜文本行检测方法 |
| CN112232315A (zh) * | 2020-12-11 | 2021-01-15 | 北京易真学思教育科技有限公司 | 文本框检测方法、装置、电子设备和计算机存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| "面向自然场景文本检测的改进NMS算法";杨有为等;《计算机工程与应用》;第58卷(第1期);第204-208页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113033346A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114550177B (zh) | 图像处理的方法、文本识别方法及装置 | |
| CN113177472B (zh) | 动态手势识别方法、装置、设备以及存储介质 | |
| EP3852008A2 (en) | Image detection method and apparatus, device, storage medium and computer program product | |
| CN113033346B (zh) | 文本检测方法、装置和电子设备 | |
| CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
| CN113177451B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
| CN113379813A (zh) | 深度估计模型的训练方法、装置、电子设备及存储介质 | |
| CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
| CN110633717A (zh) | 一种目标检测模型的训练方法和装置 | |
| CN114792355A (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
| CN113657396B (zh) | 训练方法、译文展示方法、装置、电子设备以及存储介质 | |
| CN112784102B (zh) | 视频检索方法、装置和电子设备 | |
| CN112528995B (zh) | 用于训练目标检测模型的方法、目标检测方法及装置 | |
| CN117746125A (zh) | 图像处理模型的训练方法、装置及电子设备 | |
| CN114882313B (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
| CN116468479A (zh) | 确定页面质量评估维度方法、页面质量的评估方法和装置 | |
| CN114881227A (zh) | 模型压缩方法、图像处理方法、装置和电子设备 | |
| CN113947146A (zh) | 样本数据生成方法、模型训练方法、图像检测方法及装置 | |
| CN111753960A (zh) | 模型训练及图像处理方法、装置、电子设备、存储介质 | |
| CN113361575B (zh) | 模型训练方法、装置和电子设备 | |
| CN116091773B (zh) | 图像分割模型的训练方法、图像分割方法和装置 | |
| CN113642612B (zh) | 样本图像生成方法、装置、电子设备及存储介质 | |
| CN116168442B (zh) | 样本图像生成方法、模型的训练方法、目标检测方法 | |
| CN112801082B (zh) | 图像的采样方法、装置及电子设备 | |
| CN113961132B (zh) | 交互处理方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |