CN113762455A - 检测模型训练方法、单字检测方法、装置、设备及介质 - Google Patents

检测模型训练方法、单字检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN113762455A
CN113762455A CN202010790161.0A CN202010790161A CN113762455A CN 113762455 A CN113762455 A CN 113762455A CN 202010790161 A CN202010790161 A CN 202010790161A CN 113762455 A CN113762455 A CN 113762455A
Authority
CN
China
Prior art keywords
text
detection model
single character
training
data
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.)
Granted
Application number
CN202010790161.0A
Other languages
English (en)
Other versions
CN113762455B (zh
Inventor
谢树雷
赖荣凤
梅涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN202010790161.0A priority Critical patent/CN113762455B/zh
Priority claimed from CN202010790161.0A external-priority patent/CN113762455B/zh
Publication of CN113762455A publication Critical patent/CN113762455A/zh
Application granted granted Critical
Publication of CN113762455B publication Critical patent/CN113762455B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种检测模型训练方法、单字检测方法、装置、设备及介质。文本单字检测模型训练方法包括：获取样本图像数据，其中，样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据；基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型。本发明实施例提供的文本单字检测模型训练方法减少了样本图像数据的标注成本，实现了在降低数据标注成本的基础上训练出预测准确的文本单字检测模型。

Description

检测模型训练方法、单字检测方法、装置、设备及介质
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种检测模型训练方法、单字检测方法、装置、设备及介质。
背景技术
光学符号识别技术是利用计算机视觉技术将图像中的文字提取转换为人和计算机可以理解的文本。单字识别方法是光学符号识别的方法中的一种，单字识别方法是检测图像中的文本区域，对文本区域中的单个文字进行分割，对单个文字进行分类识别。对于单字识别方法，单个文字的检测和分割是进行文字识别之前必须的步骤，基于深度学习的文字检测方法为常用的单字分割方法中的一种，具体为：将单个文字作为物体，使用现有的YOLO，SSD，Faster-RCNN等物体检测器进行单个文字的检测或者使用DeepLab，Mask-Rcnn等实例分割方法对单个文字进行实例分割。
在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：基于物体检测器的检测方法需要大量的带有单字坐标标注的训练数据，数据标注成本高，并且标注过程中对于证件类数据容易造成个人隐私数据泄露。
发明内容
本发明实施例提供了一种检测模型训练方法、单字检测方法、装置、设备及介质，以实现降低模型训练时的数据标注成本。
第一方面，本发明实施例提供了一种文本单字检测模型训练方法，包括：
获取样本图像数据，其中，样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据；
基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；
使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型。
第二方面，本发明实施例还提供了一种文本单字检测方法，包括：
获取待检测图像；
将待检测图像输入至训练好的文本单字检测模型中，获得文本单字检测模型的检测结果，其中，训练好的文本单字检测模型是使用本发明任意实施例所提供的文本单字检测模型训练方法进行训练得到的：
根据检测结果确定目标文字框并输出。
第三方面，本发明实施例还提供了一种文本单字检测模型训练装置，包括：
样本数据获取模块，用于获取样本图像数据，其中，样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据；
训练样本构建模块，用于基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；
检测模型训练模块，用于使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型。
第四方面，本发明实施例还提供了一种文本单字检测装置，包括：
待检测图像获取模块，用于获取待检测图像；
检测结果获取模块，用于将待检测图像输入至训练好的文本单字检测模型中，获得文本单字检测模型的检测结果，其中，训练好的文本单字检测模型是使用本发明任意实施例所提供的文本单字检测模型训练方法进行训练得到的：
文字框输出模块，用于根据检测结果确定目标文字框并输出。
第五方面，本发明实施例还提供了一种计算机设备，设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本发明任意实施例所提供的文本单字检测模型训练方法；和/或，实现如本发明任意实施例所提供的文本单字检测方法。
第六方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的文本单字检测模型训练方法；和/或，实现如本发明任意实施例所提供的文本单字检测方法。
本发明实施例提供的文本单字检测模型训练方法通过获取包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据的样本图像数据，减少了样本图像数据的标注成本；基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型，实现了在降低数据标注成本的基础上训练出预测准确的文本单字检测模型。
附图说明
图1a是本发明实施例一所提供的一种文本单字检测模型训练方法的流程图；
图1b是本发明实施例一所提供的一种基础样本图像的示意图；
图1c是本发明实施例一所提供的一种单字位置的示意图；
图1d是本发明实施例一所提供的一种锚点生成示意图；
图2是本发明实施例二所提供的一种文本单字检测方法的流程图；
图3a是本发明实施例三所提供的一种基于深度学习的弱监督文本单字检测方法的模型训练流程图；
图3b是本发明实施例三所提供的一种基于深度学习的弱监督文本单字检测方法的模型预测流程图；
图4是本发明实施例四所提供的一种文本单字检测模型训练装置的结构示意图；
图5是本发明实施例五所提供的一种文本单字检测装置的结构示意图；
图6是本发明实施例六所提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1a是本发明实施例一所提供的一种文本单字检测模型训练方法的流程图。本实施例可适用于对文本单字检测模型进行训练时的情形。该方法可以由文本单字检测模型训练装置执行，该文本单字检测模型训练装置可以采用软件和/或硬件的方式实现，例如，该文本单字检测模型训练装置可配置于计算机设备中。如图1a所示，所述方法包括：
S110、获取样本图像数据，其中，样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据。
在本实施例中，为了降低模型训练时的数据标注成本，可以对部分样本图像标注其单字位置，得到标注单字位置的样本位置数据，对部分样本图像标注其中的文字数量，得到标注文字数量的样本数量数据，基于样本位置数据和样本数量数据使用弱监督的方式对文本单字检测模型进行训练。其中，图像数据中的单字位置及文字数量可以自动生成，也可以人工标注。
可选的，获取样本图像数据可以包括获取样本位置数据以及获取样本数量数据。
一个实施例中，获取样本位置数据可以包括：获取图像背景及文字语料，将文字语料中的文字使用设定字体写入图像背景中得到基础样本图像，并记录单字位置，得到样本数量数据。可选的，标注单字位置的样本位置数据可以通过自动生成的方式生成。具体的，可以从网页等资源平台中收集文本形式的语料、图像背景、字体等，然后随机选择字体和背景，将语料中的文字使用选择的字体写入选定的图像背景中同时记录单字位置。其中，单字位置可以为每个文字目标点的坐标，如每个文字的左上角坐标及右下角坐标或每个文字的左下角坐标及右上角坐标。图1b是本发明实施例一所提供的一种基础样本图像的示意图。图1b中示意性的示出了将“天津市市辖区蓟州区”写入图像背景得到的基础样本图像的示意图。如图1b所示，基础样本图像的形式为包含单行文本图像的非自然场景的图像。图1c是本发明实施例一所提供的一种单字位置的示意图。图1c中示意性的示出了图1b中基础样本图像的单字位置。示例性的，“23，0，73，60”为“天”的左上角及右下角坐标，具体的，“23，0”为“天”字的左上角坐标，“73，60”为“天”字的右下角坐标。自动生成包含单字位置的样本位置数据能够使得无需人工标注即可得到样本位置数据，降低了人工标注成本，且自动写入文字并记录坐标使得标注的单字位置更加准确，避免个人隐私数据泄露，保证了数据安全。
一个实施例中，获取样本数量数据可以包括：获取从公开数据集中收集包含文字的图像数据，对图像数据进行预处理，得到包含单行文本的弱监督样本图像，通过人工标注的方式标注出弱监督样本图像中的文字数量，得到样本数量数据。可选的，对图像数据进行预处理，得到包含单行文本的弱监督样本图像可以为，使用文本检测器检测对图像数据进行矫正，得到包含单行文本的弱监督样本图像。使用人工标注的方式标注弱监督样本图像中的文字数量，使得文字数量的标注更加准确，且标注文字数量相对于标注单字位置，标注工作量少，节省了数据标注成本。
S120、基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据。
获取标注单字位置的样本位置数据以及标注文字数量的样本数量数据后，基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据，以基于基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练。可选的，基础训练样本数据中包括基础样本图像及基础样本图像对应的单字位置，弱监督训练样本数据中包括弱监督样本图像及弱监督样本图像对应的文字数量。
S130、使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型。
在本实施例中，可以先使用基础训练样本数据对预先构建的文本单字检测模型进行训练，到模型收敛，然后再使用弱监督训练样本数据对收敛的文本单字检测模型进行训练，再次到模型收敛，并重复上述迭代训练，直到文本单字检测模型在基础训练样本数据和弱监督训练样本数据两个数据集上均收敛，得到训练好的文本单字检测模型。需要说明的是，在迭代训练的过程中，需要生成弱监督训练样本数据对应的伪位置信息，弱监督训练样本数据对应的伪位置信息可以基于基础训练样本数据训练收敛的文本单字检测模型得到。可选的，预先构建的文本单字检测模型可以基于区域候选网络(Region ProposalNetworks，RPN)构建。
在本发明的一种实施方式中，使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型，包括：使用基础训练样本数据对预先构建的文本单字检测模型进行训练，以基础损失值收敛为目标，得到初始文本单字检测模型；使用弱监督训练样本数据对初始文本单字检测模型进行训练，以弱监督损失值收敛为目标，得到迭代文本单字检测模型；依次使用基础训练样本数据和弱监督训练样本数据对待训练文本单字检测模型进行迭代训练，得到迭代文本单字检测模型，并将每次训练得到的迭代文本单子检测模型作为下一次训练的待训练文本单字检测模型，以基础损失值和弱监督损失值均收敛为目标，得到训练好的文本单字检测模型。
示例性的，使用基础训练样本数据对预先构建的文本单字检测模型进行训练，直到模型收敛，得到初始文本单字检测模型为文本单字检测模型1，然后使用弱监督训练样本数据对文本单字检测模型1进行训练，直到模型收敛，得到迭代文本单字检测模型为文本单字检测模型2，再次使用基础训练样本数据对文本单字检测模型2进行训练，直到模型收敛，得到迭代文本单字检测模型为文本单字检测模型3，……，直到分别使用基础训练样本数据和弱监督训练样本数据对文本单字检测模型n进行训练时模型均收敛，将文本单字检测模型n作为训练好的文本单字检测模型。
在使用弱监督训练样本对待训练文本单字检测模型进行训练时，为了提高训练出的文本检测模型的检测结果的准确度，可以将弱监督训练样本数据中的文字数量作为模型训练中弱监督损失值的计算参数之一。一个实施例中，使用弱监督训练样本数据对初始文本单字检测模型进行训练，以弱监督损失值收敛为目标，得到迭代文本单字检测模型，包括：基于初始文本单字检测模型和辅助单字检测算法生成弱监督训练样本数据对应的伪位置信息；将弱监督训练样本数据输入至初始文本单字检测模型中，获得初始文本单字检测模型输出的预测位置信息和预测文字数量；根据预测位置信息、预测文字数量、伪位置信息和标记文字数量确定弱监督损失值，以弱监督损失值为目标，得到迭代文本单字检测模型。可选的，在使用弱监督训练样本数据对初始文本单字检测模型进行训练时，需要先基于初始文本单字检测模型生成弱监督训练样本数据的伪位置信息，在计算模型的弱监督损失值时，基于伪位置信息、标注的文字数量以及模型输出的预测位置信息和预测文字数量确定弱监督损失值，以弱监督损失值收敛为目标进行训练。其中，弱监督损失值收敛可以为相邻两次的弱监督损失值之差小于预设阈值，或迭代次数到达设定的次数阈值。
一个实施例中，基于初始文本单字检测模型和辅助单字检测算法生成弱监督训练样本数据对应的伪位置信息，包括：将弱监督训练样本数据输入至初始文本单字检测模型中，获得初始文本单字检测模型输出的初始位置信息；使用辅助单字检测算法得到弱监督训练样本数据对应的辅助位置数据；根据初始位置信息和辅助位置信息确定伪位置信息。可选的，可以使用初始文本单字检测模型结合辅助单字检测算法对弱监督训练样本数据中的弱监督样本图像进行预测，得到伪文字框作为弱监督训练样本数据对应的伪位置信息。针对弱监督训练样本数据中的每个弱监督样本图像，可以从该弱监督样本图像对应的初始位置信息和辅助位置信息中选择一个位置信息作为该弱监督样本图像的伪位置信息，还可以将该弱监督样本图像对应的初始位置信息和辅助位置信息进行融合，得到该弱监督样本图像的伪位置信息。其中，辅助单字检测算法可以为现有的单字检测算法，如投影分割的传统算法等。结合辅初始文本单字检测模型和助单字检测算法得到伪位置信息使得伪位置信息的确定更加准确，进而提高了基于伪位置信息训练的文本单字检测模型的准确性。
在上述方案的基础上，根据初始位置信息和辅助位置信息确定伪位置信息，包括：针对弱监督训练样本数据中的每个弱监督样本图像，获取弱监督样本图像对应的初始位置信息的置信度；若置信度高于设定的置信度阈值，则将弱监督样本图像对应的初始位置信息作为弱监督样本图像对应的伪位置信息；若置信度不高于设定的置信度阈值，则将弱监督样本图像对应的辅助位置信息作为弱监督样本图像对应的伪位置信息。具体的，初始文本单字检测模型进行文本框检测时，可以根据预测文字数量以及弱监督样本图像对应的标注文字数量计算预测的初始位置信息的置信度，可以根据以及该初始位置信息对应的置信度从初始位置信息和辅助位置信息中选择一个位置信息作为伪位置信息。可选的，可以预先设定置信度阈值，当置信度高于设定阈值时将初始位置信息作为伪位置信息，当置信度不高于设定的置信度阈值时，将辅助位置信息作为伪位置信息。示例性的，可以通过z＝σ*(1-(|Np-Nt|/Nt))计算置信度，其中，z为置信度，Np为预测文字数量，Nt为标记文字数量，σ为取值在0-1之间的系数，可根据实际需求设置。
一个实施例中，根据预测位置信息、预测文字数量、伪位置信息和标记文字数量确定弱监督损失值，包括：根据预测位置信息和伪位置信息确定基础损失值，根据预测文字数量和标记文字数量确定损失值调节系数；根据基础损失值和损失值调节系数确定弱监督损失值。可选的，为了保证提高使用弱监督训练样本数据训练出的文本检测模型的检测结果的准确度，在根据使用现有的损失值计算方式(如RPN的损失值的计算方式)计算基础损失值的基础上，增加了损失值调节系数，将基础损失值和损失值调节系数的乘积作为弱监督损失值。具体的，损失值调节系数根据预测文字数量和标记文字数量确定。示例性的，可以通过conf＝σ*(1-(|Np-Nt|/Nt))计算损失值调节系数，其中，conf为损失值调节系数，Np为预测文字数量，Nt为标记文字数量，σ为取值在0-1之间的系数，可根据实际需求设置。
在本发明的一种实施方式中，考虑到现有的物体检测器中的非极大值抑制和分割中的边缘像素分类结果的不平滑特性会造成文字边缘不精确，文字边缘容易被裁切造成检测后的文字不完整，且物体检测器的单字检测方法中的RPN中锚点(anchor)生成的生成方式在进行单个文字检测时会产生大量无用候选框，计算速度慢。为了解决上述技术问题，在本实施例中，可以调整初始文本单字检测模型的anchor的生成方式，以生成精确的文字边缘，提高计算速度。可选的，初始文本单字检测模型包括锚点预测模块和位置预测模块，将弱监督训练样本数据输入至初始文本单字检测模型中，获得初始文本单字检测模型输出的预测位置信息，包括：将弱监督训练样本数据输入至锚点预测模块中，获得锚点预测模块输出的至少一个初始锚点，其中，各初始锚点的高度相同；将初始锚点输入至位置预测模块中，获得位置预测模块输出的预测位置信息。
与传统的在随机位置随机生成不同尺度不同比例的锚点方式不同，本实施例中根据单个文字的文字特性调整锚点的生成方式，基于调整后的锚点生成方式生成的锚点进行文本框预测。示例性的，对于包含单行文本的图像，文字的高度为整个图像位高度，因此锚点的生成可以从特征图上第一行作为锚点的生成的位置，无需再全图生成锚点；另外，每个位置不需要考虑尺寸和高度，仅需要考虑不同的文字宽度，生成预设不同宽度的锚点即可。图1d是本发明实施例一所提供的一种锚点生成示意图。图1d中以包含“天津市市辖区蓟州区”的单行文本图像为例，以虚线框和实线框示意性的示出了不同宽度的锚点。可以理解的是，锚点的宽度不受图1d中的限制，还可根据不同大小、不同字体的文字宽度设定更多的锚点宽度。本实施例中的锚点生成方式减少了锚点的生成数量，提高了计算速度。以51*39的特征图为例，本实施例中的锚点生成方法生成的锚点个数为51*2，即101个，传统RPN方式需生成16461个，是传统RPN方式的0.6％，在消除了99.4％的无用锚点之后，检测速度将大大提升。
本发明实施例通过获取包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据的样本图像数据，减少了样本图像数据的标注成本；基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型，实现了在降低数据标注成本的基础上训练出预测准确的文本单字检测模型。
实施例二
图2是本发明实施例二所提供的一种文本单字检测方法的流程图。本实施例可适用于检测图像中单字文字框时的情形。该方法可以由文本单字检测装置执行，该文本单字检测装置可以采用软件和/或硬件的方式实现，例如，该文本单字检测装置可配置于计算机设备中。如图2所示，所述方法包括：
S210、获取待检测图像。
在本实施例中，待检测图像可以为根据需要文字识别的待识别图像生成的单行文本图像。可选的，可以将待识别图像经过文本检测器检测，对待识别图像进行预处理后得到待检测图像。文本检测器可以为An Efficient and Accurate Scene Text Detector(EAST)、自然场景文本检测CTPN等检测器。示例性的，获取待识别图像后，将待识别图像输入至文本检测器中，获得文本检测器输出的至少一个待检测图像，分别使用文本单字检测模型对每个待检测图像进行单字检测。
S220、将待检测图像输入至训练好的文本单字检测模型中，获得文本单字检测模型的检测结果。
在本实施例中，训练好的文本单字检测模型是使用本发明任意实施例所提供的文本单字检测模型训练方法进行训练得到的。具体的，将待检测图像输入至训练好的文本单字检测模型中，通过文本单字检测模型中的锚点预测模块生成宽度不同、高度相同的多个初始锚点，通过文本单字检测模型中的位置预测模块根据初始锚点得到预测的单字文本框，并输出相应的检测结果。可选的，文本单字检测模型输出的检测结果可能为包含有目标文字框的图像，也可能为待检测图像中每个单字的位置信息，如位置坐标。
S230、根据检测结果确定目标文字框并输出。
在本实施例中，假设文本单字检测模型输出的检测结果为包含有目标文字框的图像，则可以直接将检测结果进行输出，假设文本单字检测模型输出的检测结果为待检测图像中每个单字的位置信息，则根据每个单字的位置信息确定每个单字的目标文字框进行输出。
本发明实施例通过获取待检测图像；将待检测图像输入至训练好的文本单字检测模型中，获得文本单字检测模型的检测结果，其中，训练好的文本单字检测模型是使用本发明任意实施例所提供的文本单字检测模型训练方法进行训练得到的：根据检测结果确定目标文字框并输出，通过使用本发明任意提供的文本单字检测模型对待检测图像进行文本单字检测，提高了检测准确度。
实施例三
本发明实施例提供了一种基于深度学习的弱监督文本单字检测方法，本实施例在上述实施例的基础上，提供了一种优选实施例。本实施例主要包括两部分：模型训练和模型预测。
图3a是本发明实施例三所提供的一种基于深度学习的弱监督文本单字检测方法的模型训练流程图。如图3a所示，所述方法包括：
S310、带有单字位置的训练数据生成。
在本实施例中，训练数据构成包括带有单字位置的图像文本数据和无单字位置的弱监督图像文本数据。可选的，图像文本数据的形式为包含单行文本图像的非自然场景数据。
可选的，带有单字位置的文本数据生成可以为：收集文本形式的语料，图像背景，不同的字体；随机选择字体和背景，将语料中的文字使用选择的字体写入选定的图像背景中同时记录文字位置。自动生成带有单字位置的文本数据节省了数据标注成本，提高了文字位置的标注准确性。
S320、弱监督标签生成。
可选的，无单字位置的弱监督图像文本数据可以为真实标注数据，通过人工标注或者从公开数据集收集，无单字位置的弱监督图像文本数据含两个部分：图像和图像中文字对应的文本，通过对应的文本可以得到图像中包含字符的数量。人工标注文字数量相对于人工标注文字位置，降低了标注工作量，提高了标注效率。
S330、迭代训练检测模型。
在本实施例中，在训练检测模型之前，需要基于RPN构建检测模型。可选你的，可以对RPN中的anchor生成方式进行调整，得到构建好的检测模型。
考虑到对于包含单行文本的图像，文字的高度为整个图像位高度，因此anchor的生成可以从特征图上第一行作为anchor生成的位置(仅在特征图第一行位置生成anchor，不需要像现有的RPN一样全图生成anchor)；且每个位置不需要考虑尺寸和高度，仅需要考虑不同的文字宽度。基于上述方式调整anchor生成的位置，得到构建好的检测模型。
构建好检测模型后，使用训练数据对检测模型进行训练。由于弱监督真实数据不包含真实的文字坐标框因此无法直接用于模型训练，因此可以将弱监督数据生成伪坐标，然后迭代训练的方式使用真实弱监督数据，训练过程如下：
1)使用带有文字坐标的生成数据训练检测模型，到模型收敛，得到模型1；
2)使用无单字位置的弱监督图像文本数据训练模型1。具体的，使用无单字位置的弱监督图像文本数据训练模型的过程包括为伪文字坐标框生成、文字坐标框预测和损失值计算三个主要步骤。其中，文字坐标框预测可以基于本实施例提供的anchor位置的生成方法得到的anchor进行预测。伪文字坐标框生成可以为：根据上一步中使用生成数据训练的模型结合投影分割的传统算法进行预测，得到伪文字框作为训练标签；具体的结合方法可参见上述实施例，在此不再赘述。损失值计算可以为：基于基础损失值和损失值置信度，得到最终的损失值。基础损失值可以参照现有RPN的损失值计算方式。置信度的计算方式可以为：通过conf＝σ*(1-(|Np-Nt|/Nt))计算置信度，其中，conf为置信度，Np为预测文字数量，Nt为标记文字数量，σ为取值在0-1之间的系数，可根据实际需求设置。
3)重复上述两步迭代训练，同时逐步增大σ的值，直到模型在两个数据集上收敛。
对得到训练好的检测模型后，使用检测模型进行单字预测。图3b是本发明实施例三所提供的一种基于深度学习的弱监督文本单字检测方法的模型预测流程图。如图3b所示，所述方法包括：
S340、图像预处理。
可以将待识别图像经过文本检测器检测，得到矫正后的文本区域图像作为检测模型的输入。
S350、单字检测。
将文本区域图像输入至训练好的检测模型中进行单字检测，得到预测结果。
S360、检测后处理。
将预测结果中的文本框概率筛选候选框，根据阈值T(T>0.5)决策文本框是否为实际的文本框。
S370、得到单字坐标。
根据筛选后的候选框得到文字坐标。示例性的，将文字开始位置集合和结束位置集合中的位置坐标元素按照坐标顺序进行排序合并为一个序列，得到单字坐标。
本发明实施例通过使用弱监督的方式进行训练，无需单字坐标标注的数据，节省数据成本，保证数据安全，调整锚点的生成方式提高了文字检测边缘的精确度，大大减少了候选框生成数量，提高了预测速度。
实施例四
图4是本发明实施例四所提供的一种文本单字检测模型训练装置的结构示意图。该文本单字检测模型训练装置可以采用软件和/或硬件的方式实现，例如该文本单字检测模型训练装置可以配置于计算机设备中。如图4所示，所述装置包括样本数据获取模块410、训练样本构建模块420和检测模型训练模块430，其中：
样本数据获取模块410，用于获取样本图像数据，其中，样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据；
训练样本构建模块420，用于基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；
检测模型训练模块430，用于使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型。
本发明实施例通过样本数据获取模块获取包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据的样本图像数据，减少了样本图像数据的标注成本；训练样本构建模块基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；检测模型训练模块使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型，实现了在降低数据标注成本的基础上训练出预测准确的文本单字检测模型。
可选的，在上述方案的基础上，检测模型训练模块430包括：
初始模型训练单元，用于使用基础训练样本数据对预先构建的文本单字检测模型进行训练，以基础损失值收敛为目标，得到初始文本单字检测模型；
迭代模型训练单元，用于使用弱监督训练样本数据对初始文本单字检测模型进行训练，以弱监督损失值收敛为目标，得到迭代文本单字检测模型；
检测模型确定单元，用于依次使用基础训练样本数据和弱监督训练样本数据对待训练文本单字检测模型进行迭代训练，得到迭代文本单字检测模型，并将每次训练得到的迭代文本单子检测模型作为下一次训练的待训练文本单字检测模型，以基础损失值和弱监督损失值均收敛为目标，得到训练好的文本单字检测模型。
可选的，在上述方案的基础上，迭代模型训练单元包括：
伪位置确定子单元，用于基于初始文本单字检测模型和辅助单字检测算法生成弱监督训练样本数据对应的伪位置信息；
样本预测子单元，用于将弱监督训练样本数据输入至初始文本单字检测模型中，获得初始文本单字检测模型输出的预测位置信息和预测文字数量；
迭代训练子单元，用于根据预测位置信息、预测文字数量、伪位置信息和标记文字数量确定弱监督损失值，以弱监督损失值为目标，得到迭代文本单字检测模型。
可选的，在上述方案的基础上，伪位置确定子单元具体用于：
将弱监督训练样本数据输入至初始文本单字检测模型中，获得初始文本单字检测模型输出的初始位置信息；
使用辅助单字检测算法得到弱监督训练样本数据对应的辅助位置数据；
根据初始位置信息和辅助位置信息确定伪位置信息。
可选的，在上述方案的基础上，伪位置确定子单元具体用于：
针对弱监督训练样本数据中的每个弱监督样本图像，获取弱监督样本图像对应的初始位置信息的置信度；
若置信度高于设定的置信度阈值，则将弱监督样本图像对应的初始位置信息作为弱监督样本图像对应的伪位置信息；
若置信度不高于设定的置信度阈值，则将弱监督样本图像对应的辅助位置信息作为弱监督样本图像对应的伪位置信息。
可选的，在上述方案的基础上，迭代训练子单元具体用于：
根据预测位置信息和伪位置信息确定基础损失值，根据预测文字数量和标记文字数量确定损失值调节系数；
根据基础损失值和损失值调节系数确定弱监督损失值。
可选的，在上述方案的基础上，初始文本单字检测模型包括锚点预测模块和位置预测模块，样本预测子单元具体用于：
将弱监督训练样本数据输入至锚点预测模块中，获得锚点预测模块输出的至少一个初始锚点，其中，各初始锚点的高度相同；
将初始锚点输入至位置预测模块中，获得位置预测模块输出的预测位置信息。
本发明实施例所提供的文本单字检测模型训练装置可执行本发明任意实施例所提供的文本单字检测模型训练方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五所提供的一种文本单字检测装置的结构示意图。该文本单字检测装置可以采用软件和/或硬件的方式实现，例如该文本单字检测装置可以配置于计算机设备中。如图5所示，所述装置包括待检测图像获取模块510、检测结果获取模块520和文字框输出模块530，其中：
待检测图像获取模块510，用于获取待检测图像；
检测结果获取模块520，用于将待检测图像输入至训练好的文本单字检测模型中，获得文本单字检测模型的检测结果，其中，训练好的文本单字检测模型是使用本发明任意实施例所提供的文本单字检测模型训练方法进行训练得到的：
文字框输出模块530，用于根据检测结果确定目标文字框并输出。
本发明实施例通过获取待检测图像，将待检测图像输入至训练好的文本单字检测模型中，获得文本单字检测模型的检测结果，其中，训练好的文本单字检测模型是使用本发明任意实施例所提供的文本单字检测模型训练方法进行训练得到的，根据检测结果确定目标文字框并输出，提高了文本单字检测的检测准确度。
本发明实施例所提供的文本单字检测装置可执行本发明任意实施例所提供的文本单字检测方法，具备执行方法相应的功能模块和有益效果。
实施例六
图6是本发明实施例六所提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算机设备612的框图。图6显示的计算机设备612仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机设备612以通用计算设备的形式表现。计算机设备612的组件可以包括但不限于：一个或者多个处理器616，系统存储器628，连接不同系统组件(包括系统存储器628和处理器616)的总线618。
总线618表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器616或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备612访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器628可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)630和/或高速缓存存储器632。计算机设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储装置634可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储器628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640，可以存储在例如存储器628中，这样的程序模块642包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备612也可以与一个或多个外部设备614(例如键盘、指向设备、显示器624等)通信，还可与一个或者多个使得用户能与该计算机设备612交互的设备通信，和/或与使得该计算机设备612能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且，计算机设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器620通过总线618与计算机设备612的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备612使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器616通过运行存储在系统存储器628中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的文本单字检测模型训练方法，该方法包括：
获取样本图像数据，其中，样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据；
基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；
使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型；
和/或，实现本发明实施例所提供的文本单字检测方法，该方法包括：
获取待检测图像；
将待检测图像输入至训练好的文本单字检测模型中，获得文本单字检测模型的检测结果，其中，训练好的文本单字检测模型是使用本发明任意实施例所提供的文本单字检测模型训练方法进行训练得到的：
根据检测结果确定目标文字框并输出。
当然，本领域技术人员可以理解，处理器还可以实现本发明任意实施例所提供的基于点云数据的问答模型训练方法和/或基于点云数据的问答方法的技术方案。另外，实现本发明任意实施例所提供的文本单字检测模型训练方法的计算机设备和实现本发明任意实施例所提供的文本单字检测方法的计算机设备可以为相同的计算机设备，还可以为不同的计算机设备。
实施例七
本发明实施例七还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例所提供的文本单字检测模型训练方法，该方法包括：
获取样本图像数据，其中，样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据；
基于样本位置数据生成基础训练样本数据，基于样本数量数据生成弱监督训练样本数据；
使用基础训练样本数据和弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型；
和/或，实现本发明实施例所提供的文本单字检测方法，该方法包括：
获取待检测图像；
将待检测图像输入至训练好的文本单字检测模型中，获得文本单字检测模型的检测结果，其中，训练好的文本单字检测模型是使用本发明任意实施例所提供的文本单字检测模型训练方法进行训练得到的：
根据检测结果确定目标文字框并输出。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于点云数据的问答模型训练方法和/或基于点云数据的问答方法的相关操作。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种文本单字检测模型训练方法，其特征在于，包括：
获取样本图像数据，其中，所述样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据；
基于所述样本位置数据生成基础训练样本数据，基于所述样本数量数据生成弱监督训练样本数据；
使用所述基础训练样本数据和所述弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型。
2.根据权利要求1所述的方法，其特征在于，所述使用所述基础训练样本数据和所述弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型，包括：
使用所述基础训练样本数据对预先构建的文本单字检测模型进行训练，以基础损失值收敛为目标，得到初始文本单字检测模型；
使用所述弱监督训练样本数据对所述初始文本单字检测模型进行训练，以弱监督损失值收敛为目标，得到迭代文本单字检测模型；
依次使用所述基础训练样本数据和所述弱监督训练样本数据对待训练文本单字检测模型进行迭代训练，得到所述迭代文本单字检测模型，并将每次训练得到的所述迭代文本单子检测模型作为下一次训练的待训练文本单字检测模型，以所述基础损失值和所述弱监督损失值均收敛为目标，得到训练好的文本单字检测模型。
3.根据权利要求2所述的方法，其特征在于，所述使用所述弱监督训练样本数据对所述初始文本单字检测模型进行训练，以弱监督损失值收敛为目标，得到迭代文本单字检测模型，包括：
基于所述初始文本单字检测模型和辅助单字检测算法生成所述弱监督训练样本数据对应的伪位置信息；
将所述弱监督训练样本数据输入至所述初始文本单字检测模型中，获得所述初始文本单字检测模型输出的预测位置信息和预测文字数量；
根据所述预测位置信息、所述预测文字数量、所述伪位置信息和标记文字数量确定所述弱监督损失值，以所述弱监督损失值为目标，得到所述迭代文本单字检测模型。
4.根据权利要求3所述的方法，所述基于所述初始文本单字检测模型和辅助单字检测算法生成所述弱监督训练样本数据对应的伪位置信息，包括：
将所述弱监督训练样本数据输入至所述初始文本单字检测模型中，获得所述初始文本单字检测模型输出的初始位置信息；
使用所述辅助单字检测算法得到所述弱监督训练样本数据对应的辅助位置数据；
根据所述初始位置信息和所述辅助位置信息确定所述伪位置信息。
5.根据权利要求4所述的方法，其特征在于，所述根据所述初始位置信息和所述辅助位置信息确定所述伪位置信息，包括：
针对所述弱监督训练样本数据中的每个弱监督样本图像，获取所述弱监督样本图像对应的初始位置信息的置信度；
若所述置信度高于设定的置信度阈值，则将所述弱监督样本图像对应的所述初始位置信息作为所述弱监督样本图像对应的伪位置信息；
若所述置信度不高于设定的置信度阈值，则将所述弱监督样本图像对应的所述辅助位置信息作为所述弱监督样本图像对应的伪位置信息。
6.根据权利要求3所述的方法，其特征在于，所述根据所述预测位置信息、所述预测文字数量、所述伪位置信息和标记文字数量确定所述弱监督损失值，包括：
根据所述预测位置信息和所述伪位置信息确定基础损失值，根据所述预测文字数量和所述标记文字数量确定损失值调节系数；
根据所述基础损失值和所述损失值调节系数确定所述弱监督损失值。
7.根据权利要求3所述的方法，其特征在于，所述初始文本单字检测模型包括锚点预测模块和位置预测模块，将所述弱监督训练样本数据输入至所述初始文本单字检测模型中，获得所述初始文本单字检测模型输出的预测位置信息，包括：
将所述弱监督训练样本数据输入至所述锚点预测模块中，获得所述锚点预测模块输出的至少一个初始锚点，其中，各所述初始锚点的高度相同；
将所述初始锚点输入至所述位置预测模块中，获得所述位置预测模块输出的所述预测位置信息。
8.一种文本单字检测方法，其特征在于，包括：
获取待检测图像；
将所述待检测图像输入至训练好的文本单字检测模型中，获得所述文本单字检测模型的检测结果，其中，所述训练好的文本单字检测模型是使用权利要求1-7任一项所述的文本单字检测模型训练方法进行训练得到的：
根据所述检测结果确定目标文字框并输出。
9.一种文本单字检测模型训练装置，其特征在于，包括：
样本数据获取模块，用于获取样本图像数据，其中，所述样本图像数据包括标注单字位置的样本位置数据以及包括标注文字数量的样本数量数据；
训练样本构建模块，用于基于所述样本位置数据生成基础训练样本数据，基于所述样本数量数据生成弱监督训练样本数据；
检测模型训练模块，用于使用所述基础训练样本数据和所述弱监督训练样本数据对预先构建的文本单字检测模型进行训练，得到训练好的文本单字检测模型。
10.一种文本单字检测装置，其特征在于，包括：
待检测图像获取模块，用于获取待检测图像；
检测结果获取模块，用于将所述待检测图像输入至训练好的文本单字检测模型中，获得所述文本单字检测模型的检测结果，其中，所述训练好的文本单字检测模型是使用权利要求1-7任一项所述的文本单字检测模型训练方法进行训练得到的：
文字框输出模块，用于根据所述检测结果确定目标文字框并输出。
11.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的文本单字检测模型训练方法；和/或，实现如权利要求8中所述的文本单字检测方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的文本单字检测模型训练方法；和/或，实现如权利要求8中所述的文本单字检测方法。
CN202010790161.0A 2020-08-07 检测模型训练方法、单字检测方法、装置、设备及介质 Active CN113762455B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010790161.0A CN113762455B (zh) 2020-08-07 检测模型训练方法、单字检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010790161.0A CN113762455B (zh) 2020-08-07 检测模型训练方法、单字检测方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN113762455A true CN113762455A (zh) 2021-12-07
CN113762455B CN113762455B (zh) 2024-10-22

Family

ID=

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114463603A (zh) * 2022-04-14 2022-05-10 浙江啄云智能科技有限公司 图像检测模型的训练方法、装置、电子设备及存储介质
CN114863434A (zh) * 2022-04-21 2022-08-05 北京百度网讯科技有限公司 文字分割模型的获取方法、文字分割方法及其装置
CN118279714A (zh) * 2024-04-17 2024-07-02 江苏海洋大学 一种基于弱监督深度学习的船舶水尺识别方法、系统及设备
WO2024197829A1 (zh) * 2023-03-31 2024-10-03 京东方科技集团股份有限公司 单字检测方法、模型的训练方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019136946A1 (zh) * 2018-01-15 2019-07-18 中山大学 基于深度学习的弱监督显著性物体检测的方法及系统
CN110443252A (zh) * 2019-08-16 2019-11-12 广东工业大学 一种文字检测方法、装置及设备
CN110598609A (zh) * 2019-09-02 2019-12-20 北京航空航天大学 一种基于显著性引导的弱监督目标检测方法
CN110956185A (zh) * 2019-11-21 2020-04-03 大连理工大学人工智能大连研究院 一种图像显著目标的检测方法
CN111428733A (zh) * 2020-03-12 2020-07-17 山东大学 基于语义特征空间转换的零样本目标检测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019136946A1 (zh) * 2018-01-15 2019-07-18 中山大学 基于深度学习的弱监督显著性物体检测的方法及系统
CN110443252A (zh) * 2019-08-16 2019-11-12 广东工业大学 一种文字检测方法、装置及设备
CN110598609A (zh) * 2019-09-02 2019-12-20 北京航空航天大学 一种基于显著性引导的弱监督目标检测方法
CN110956185A (zh) * 2019-11-21 2020-04-03 大连理工大学人工智能大连研究院 一种图像显著目标的检测方法
CN111428733A (zh) * 2020-03-12 2020-07-17 山东大学 基于语义特征空间转换的零样本目标检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WEN-HUNG LIAO ETAL.: "An integrated approach for multilingual scene text detection", 《 2015 7TH INTERNATIONAL CONFERENCE OF SOFT COMPUTING AND PATTERN RECOGNITION (SOCPAR)》, 16 June 2016 (2016-06-16) *
刘燕等: "基于注意力机制的复杂场景文本检测", 《计算机科学》, vol. 47, no. 7, 31 July 2020 (2020-07-31) *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114463603A (zh) * 2022-04-14 2022-05-10 浙江啄云智能科技有限公司 图像检测模型的训练方法、装置、电子设备及存储介质
CN114463603B (zh) * 2022-04-14 2022-08-23 浙江啄云智能科技有限公司 图像检测模型的训练方法、装置、电子设备及存储介质
CN114863434A (zh) * 2022-04-21 2022-08-05 北京百度网讯科技有限公司 文字分割模型的获取方法、文字分割方法及其装置
CN114863434B (zh) * 2022-04-21 2023-05-23 北京百度网讯科技有限公司 文字分割模型的获取方法、文字分割方法及其装置
WO2024197829A1 (zh) * 2023-03-31 2024-10-03 京东方科技集团股份有限公司 单字检测方法、模型的训练方法、装置、设备及介质
CN118279714A (zh) * 2024-04-17 2024-07-02 江苏海洋大学 一种基于弱监督深度学习的船舶水尺识别方法、系统及设备

Similar Documents

Publication Publication Date Title
CN109858555B (zh) 基于图像的数据处理方法、装置、设备及可读存储介质
CN109117831B (zh) 物体检测网络的训练方法和装置
CN107832662B (zh) 一种获取图片标注数据的方法和系统
CN110363810B (zh) 建立图像检测模型的方法、装置、设备和计算机存储介质
CN108537176B (zh) 目标弹幕的识别方法、装置、终端及存储介质
CN109543680B (zh) 兴趣点的位置确定方法、装置设备和介质
CN108090043B (zh) 基于人工智能的纠错举报处理方法、装置及可读介质
CN110232340B (zh) 建立视频分类模型以及视频分类的方法、装置
US11475588B2 (en) Image processing method and device for processing image, server and storage medium
CN112085022B (zh) 一种用于识别文字的方法、系统及设备
CN113221743A (zh) 表格解析方法、装置、电子设备和存储介质
CN112149663A (zh) 结合rpa和ai的图像文字的提取方法、装置及电子设备
US12033378B2 (en) Resolving training dataset category ambiguity
CN114359932B (zh) 文本检测方法、文本识别方法及装置
CN113012200B (zh) 一种运动物体的定位方法、装置、电子设备及存储介质
CN113657274A (zh) 表格生成方法、装置、电子设备、存储介质及产品
CN113205047A (zh) 药名识别方法、装置、计算机设备和存储介质
US20240346808A1 (en) Machine learning training dataset optimization
CN114972880A (zh) 一种标签识别方法、装置、电子设备及存储介质
CN115359008A (zh) 显示界面的测试方法及装置、存储介质、电子设备
CN111832551A (zh) 文本图像处理方法、装置、电子扫描设备和存储介质
CN113807416B (zh) 一种模型训练方法、装置、电子设备以及存储介质
CN114445697A (zh) 一种目标检测方法、装置、电子设备及存储介质
CN113887375A (zh) 一种文本识别方法、装置、设备及存储介质
CN111476090A (zh) 水印识别方法和装置

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