CN111582265A - 一种文本检测方法及装置、电子设备和存储介质 - Google Patents
一种文本检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111582265A CN111582265A CN202010409367.4A CN202010409367A CN111582265A CN 111582265 A CN111582265 A CN 111582265A CN 202010409367 A CN202010409367 A CN 202010409367A CN 111582265 A CN111582265 A CN 111582265A
- Authority
- CN
- China
- Prior art keywords
- text
- detected
- local
- detection network
- detection
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 203
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 74
- 230000011218 segmentation Effects 0.000 claims abstract description 64
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 81
- 238000012549 training Methods 0.000 claims description 69
- 238000004590 computer program Methods 0.000 claims description 16
- 238000007499 fusion processing Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 230000000873 masking effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 25
- 230000001788 irregular Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000012015 optical character recognition Methods 0.000 description 10
- 238000013135 deep learning Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013528 artificial neural network 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
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000004044 response Effects 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
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular 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
- 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
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Character Discrimination (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，其中，所述方法包括：获取图像中的待检测文本，将所述待检测文本输入文本检测网络中进行特征提取，得到第一特征数据；根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果。采用本公开，不仅可以提高检测的准确度，而且还可以提高检测的处理速度。
Description
技术领域
本公开涉及检测领域，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
文字是信息的重要载体，存在于各种应用场景中，例如街道、书本、餐单、***、车牌以及产品包装等。对于一段文本中的文字如何进行精确的检测，是要解决的技术问题。检测结果越精确，得到的文字识别结果就越精确。然而，在一些实际场景中，文字并不是规则的，可能是不规则的，比如，文字呈现弯曲的环状或上下起伏的形状等等。对于这种不规则的文字，相比规则的文字来说，如何对文本边框进行预测，进而最终确定出文字边框的实际位置，检测难度更高，因此，对于不规则的文字，迫切需要一种简洁且高效的检测方案。然而，相关技术中未存在有效的解决方案。
发明内容
有鉴于此，本公开提出了一种文本检测的技术方案。
根据本公开的一方面，提供了一种文本检测方法，所述方法包括：
获取图像中的待检测文本，将所述待检测文本输入文本检测网络中进行特征提取，得到第一特征数据；
根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果。
采用本公开，可以将待检测文本输入文本检测网络中进行特征提取，以得到第一特征数据，根据文本检测网络及第一特征数据进行全局分割及局部回归的处理，可以得到用以文本检测的预测结果，通过该预测结果可以实现对待检测文本的文本边框预测，进而最终确定出文字边框的实际位置。
可能的实现方式中，所述得到用以文本检测的预测结果之后，所述方法还包括：根据所述预测结果重构出所述待检测文本的文本边框。
采用本公开，可以根据预测结果重构出待检测文本的文本边框，也就是说，通过该预测结果实现了对待检测文本的文本边框预测后，根据基于该预测结果的重构处理，可以确定出文字边框的实际位置。
可能的实现方式中，所述根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果，包括：
在所述文本检测网络中对所述第一特征数据进行全局分割的处理，得到待检测文本的文字置信度；
在所述文本检测网络中对所述第一特征数据进行局部回归的处理，得到待检测文本的局部上下边界距离及待检测文本的局部角度；
所述预测结果包括：所述待检测文本的文字置信度、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度。
采用本公开，通过对第一特征数据的全局分割，可以得到待检测文本的文字置信度，通过对第一特征数据的局部回归，可以得到待检测文本的局部上下边界距离及待检测文本的局部角度，将待检测文本的文字置信度、待检测文本的局部上下边界距离及待检测文本的局部角度作为预测结果，从而通过该预测结果可以实现对待检测文本的文本边框预测，进而最终确定出文字边框的实际位置。
可能的实现方式中，所述在所述文本检测网络中对所述第一特征数据进行全局分割的处理，得到文字置信度之后，还包括：
根据所述待检测文本的文字置信度，得到分割掩膜；
根据所述分割掩膜对所述待检测文本进行掩膜处理，得到待检测文本的上下边界距离。
采用本公开，可以根据待检测文本的文字置信度，得到分割掩膜，根据分割掩膜对待检测文本进行掩膜处理，可以得到待检测文本的上下边界距离，该待检测文本的上下边界距离区别于上述待检测文本的局部上下边界距离，为待检测文本文字边框整体的上下边界距离，根据该待检测文本的上下边界距离，可以得到用以确定锚点位置的待检测文本的中心线区域。
可能的实现方式中，所述待检测文本包括至少一行文本；
所述得到第一特征数据之前，所述方法还包括：
响应于所述特征提取，得到第二特征数据，所述第二特征数据用以表征所述待检测文本中任一行文本；
根据所述第二特征数据及所述文本检测网络从所述待检测文本中分割出所述任一行文本。
采用本公开，可以根据第二特征数据，得到待检测文本中任一行文本的特征，从而，可以根据第二特征数据及文本检测网络，从待检测文本中分割出任一行文本，对任一行文本进行文本检测处理，在文本检测处理中，在得到用以文本检测的预测结果后，通过该预测结果可以实现对待检测文本的文本边框预测，进而最终确定出文字边框的实际位置。
可能的实现方式中，所述根据所述预测结果重构出所述待检测文本的文本边框，包括：
根据所述待检测文本的上下边界距离、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，重构出所述待检测文本的文本边框。
采用本公开，可以从预测结果中获取待检测文本的上下边界距离、待检测文本的局部上下边界距离及待检测文本的局部角度，以便根据待检测文本的上下边界距离、待检测文本的局部上下边界距离及待检测文本的局部角度重构出待检测文本的文本边框。
可能的实现方式中，所述根据所述待检测文本的上下边界距离、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，重构出所述待检测文本的文本边框，包括：
根据所述待检测文本的上下边界距离进行融合处理，得到所述待检测文本的中心线区域；
根据所述中心线区域上至少两个锚点分别对应的所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，得到所述至少两个锚点分别对应的局部边界；
对所述至少两个锚点分别对应的局部边界进行拼接处理，得到所述待检测文本的文本边框。
采用本公开，可以根据待检测文本的上下边界距离进行融合处理，以得到待检测文本的中心线区域，根据中心线区域上至少两个锚点分别对应的待检测文本的局部上下边界距离及待检测文本的局部角度，可以得到至少两个锚点分别对应的局部边界，对至少两个锚点分别对应的局部边界进行拼接处理，最终得到待检测文本的文本边框。
可能的实现方式中，所述得到所述待检测文本的中心线区域之后，还包括：
对所述中心线区域进行采样处理，得到所述中心线区域上至少两个锚点。
采用本公开，可以通过对中心线区域的采样处理，得到中心线区域上至少两个锚点，以便以该中心线区域上至少两个锚点为基准，对至少两个锚点分别对应的局部边界进行拼接处理，最终得到待检测文本的文本边框。
可能的实现方式中，所述方法还包括：
根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络；
所述文本检测网络为训练后的检测网络。
采用本公开，可以根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络，所述文本检测网络为训练后的检测网络，由于是通过文本训练数据训练后得到训练后的检测网络(文本检测网络)，因此，通过文本检测网络进行上述文本检测，可以提高检测的精度，且简单易行。而且，采用多任务训练进行训练，相比单任务的训练所得到的文本检测网络，不仅可以提高应用该文本检测网络进行上述文本检测的检测准确度，还可以提高检测的处理速度。
可能的实现方式中，所述根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络，包括：
对所述文本训练数据执行全局分割的处理任务，得到第一损失函数；
对所述文本训练数据执行局部回归的处理任务，得到第二损失函数，及第三损失函数；
根据所述第一损失函数、所述第二损失函数及所述第三损失函数得到第四损失函数；
根据所述第四损失函数的反向传播进行网络参数的调整后得到所述文本检测网络。
采用本公开，对文本检测网络进行训练的过程中，由于可以根据全局分割的处理任务、局部回归的处理任务中的上下边界距离回归及方向回归所得到的总损失函数，即根据所述第一损失函数、所述第二损失函数及所述第三损失函数得到第四损失函数(即总损失函数)的反向传播，进行网络参数的调整，从而得到该文本检测网络。采用多任务训练中得到的该总损失函数，可以提高应用该文本检测网络进行上述文本检测的检测准确度。
根据本公开的一方面，提供了一种文本检测装置，所述装置包括：
获取单元，用于获取图像中的待检测文本，将所述待检测文本输入文本检测网络中进行特征提取，得到第一特征数据；
文本检测单元，用于根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果。
可能的实现方式中，所述装置还包括重构单元，用于：
根据所述预测结果重构出所述待检测文本的文本边框。
可能的实现方式中，所述文本检测单元，用于：
在所述文本检测网络中对所述第一特征数据进行全局分割的处理，得到待检测文本的文字置信度；
在所述文本检测网络中对所述第一特征数据进行局部回归的处理，得到待检测文本的局部上下边界距离及待检测文本的局部角度；
所述预测结果包括：所述待检测文本的文字置信度、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度。
可能的实现方式中，所述装置还包括边界确定单元，用于：
根据所述待检测文本的文字置信度，得到分割掩膜；
根据所述分割掩膜对所述待检测文本进行掩膜处理，得到待检测文本的上下边界距离。
可能的实现方式中，所述待检测文本包括至少一行文本；
所述装置还包括文本分割单元，用于：
响应于所述特征提取，得到第二特征数据，所述第二特征数据用以表征所述待检测文本中任一行文本；
根据所述第二特征数据及所述文本检测网络从所述待检测文本中分割出所述任一行文本。
可能的实现方式中，所述重构单元，用于：
根据所述待检测文本的上下边界距离、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，重构出所述待检测文本的文本边框。
可能的实现方式中，所述重构单元，用于：
根据所述待检测文本的上下边界距离进行融合处理，得到所述待检测文本的中心线区域；
根据所述中心线区域上至少两个锚点分别对应的所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，得到所述至少两个锚点分别对应的局部边界；
对所述至少两个锚点分别对应的局部边界进行拼接处理，得到所述待检测文本的文本边框。
可能的实现方式中，所述装置还包括采样单元，用于：
对所述中心线区域进行采样处理，得到所述中心线区域上至少两个锚点。
可能的实现方式中，所述装置还包括训练单元，用于：
根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络；
所述文本检测网络为训练后的检测网络。
可能的实现方式中，所述训练单元，用于：
对所述文本训练数据执行全局分割的处理任务，得到第一损失函数；
对所述文本训练数据执行局部回归的处理任务，得到第二损失函数，及第三损失函数；
根据所述第一损失函数、所述第二损失函数及所述第三损失函数得到第四损失函数；
根据所述第四损失函数的反向传播进行网络参数的调整后得到所述文本检测网络。
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执行上述任一项所述的方法。
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，其中，所述计算机程序指令被处理器执行时实现上述任一项所述的方法。
采用本公开实施例，响应于图像检测操作，可以得到所述图像中的待检测文本，根据所述待检测文本和文本检测网络得到待检测文本的中心线区域，以所述中心线区域为基准确定所述待检测文本的文本边框，由于所述文本检测网络，为输入文本训练数据并进行训练后得到的文本检测网络，因此，可以输入待检测文本至该文本检测网络中，即可输出得到该待检测文本的文本边框，则通过输入端-输出端这种“端到端”的简洁且高效的检测方式，不仅可以提高检测的准确度，而且还可以提高检测的处理速度。
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
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
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文本检测方法的流程图。
图2-图4示出根据本公开实施例的待检测文本中不规则文本序列的示意图。
图5示出根据本公开实施例的待检测文本中对不规则文本序列中心线识别的示意图。
图6示出根据本公开实施例的文本检测方法中多任务处理的示意图。
图7示出根据本公开实施例的文本检测方法中后处理的示意图。
图8示出根据本公开实施例的文本检测装置的框图。
图9示出根据本公开实施例的电子设备的框图。
图10示出根据本公开实施例的电子设备的框图。
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，为了更好的说明本公开，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。
图1示出根据本公开实施例的文本检测方法的流程图，该方法应用于文本检测装置，例如，该装置部署于终端设备或服务器或其它处理设备执行的情况可以执行待检测文本中心线区域的识别、待检测文本的文本边框检测等等处理。其中，终端设备可以为用户设备(UE，User Equipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(PDA，PersonalDigital Assistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该处理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。如图1所示，该流程包括：
步骤S101、获取图像中的待检测文本，将所述待检测文本输入文本检测网络中进行特征提取，得到第一特征数据。
一示例中，还可以响应于图像检测操作后，获取到图像中的该待检测文本，可以根据光学字符识别(Optical Character Recognit1n，OCR)来识别图像中的待检测文本，可以采用传统OCR识别框架，也可以采用基于深度学习的OCR识别框架等，来识别图像中的待检测文本。识别出待检测文本后，可以将待检测文本输入文本检测网络中进行特征提取，得到至少表征待检测文本上下边界的第一特征数据。
其中，传统OCR识别框架可以包括：预处理阶段及识别阶段。其中，预处理阶段可以是对图像进行校正，比如图像是歪斜的，不利于对图像中待检测文本的识别，而在识别阶段可以对待检测文本中的文本序列进行识别，以得到识别结果。而基于深度学习的OCR识别框架与传统OCR识别框架的不同在于：可以将文本序列样本作为训练数据，并基于深度学习得到该基于深度学习的OCR识别框架后，对待检测文本中的文本序列进行识别，以得到识别结果。
步骤S102、根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果。
一示例中，可以在文本检测网络中对第一特征数据进行全局分割的处理，得到待检测文本的文字置信度，在文本检测网络中对所述第一特征数据进行局部回归的处理，得到待检测文本的局部上下边界距离及待检测文本的局部角度。
一示例中，所述预测结果可以包括：所述待检测文本的文字置信度、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，可以根据该预测结果重构出所述待检测文本的文本边框。
采用本公开，可以将待检测文本输入文本检测网络中进行特征提取，以得到第一特征数据，根据文本检测网络及第一特征数据进行全局分割及局部回归的处理，可以得到用以文本检测的预测结果，通过该预测结果可以实现对待检测文本的文本边框预测，进而根据该预测结果最终确定出文字边框的实际位置。
需要指出的是，所述文本检测网络，为输入文本训练数据并进行训练后得到的文本检测网络，则根据该文本检测网络及第一特征数据进行全局分割及局部回归的处理所得到的用以文本检测的预测结果，更符合文本检测的精度要求，也就是说，根据待检测文本得到第一特征数据后，即可根据该第一特征数据及文本检测网络输出该预测结果，进而根据该预测结果最终确定出文字边框的实际位置，通过输入端-输出端这种“端到端”的简洁且高效的检测方式即可实现文本检测，且提高了检测准确度和检测的处理速度。
一示例中，图2-图4示出根据本公开实施例的待检测文本中不规则文本序列的示意图，如图2-图4所示，在一些实际场景中，待检测文本中的文本序列并不是规则的，比如，文本序列呈现弯曲的环状或上下起伏的形状等等，以第一文本边框101和第二文本边框102所标识。对于这种不规则的文本序列，采用上述基于深度学习的OCR识别框架，也不一定可以精确的识别出待检测文本中的文本序列及其文本边框，从而，为了达到精确识别的目的，且识别方法尽量简洁且高效，可以根据待检测文本得到第一特征数据后，根据该第一特征数据及文本检测网络，即可输出该预测结果，进而根据预测结果重构出待检测文本的文本边框，从而采用输入端-输出端这种“端到端”的简洁且高效的检测方式即可实现文本检测，且提高了检测准确度和检测的处理速度。
一示例中，所述在所述文本检测网络中对所述第一特征数据进行全局分割的处理，得到文字置信度之后，还包括：根据所述待检测文本的文字置信度，得到分割掩膜，根据所述分割掩膜对所述待检测文本进行掩膜处理，得到待检测文本的上下边界距离。比如，经过全局分割得到置信度后，可以根据置信度对“文本-非文本”进行分类和聚类后得到分割掩膜，根据分割掩膜可以对待检测文本进行掩膜处理，以经掩膜处理后得到所述待检测文本的上下边界距离(即待检测文本其文本边框整体的上下边界距离)。
一示例中，根据所述预测结果重构出所述待检测文本的文本边框，包括：根据所述待检测文本的上下边界距离、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，重构出所述待检测文本的文本边框。比如，可以根据所述待检测文本的上下边界距离进行融合处理，得到所述待检测文本的中心线区域，根据所述中心线区域上至少两个锚点分别对应的所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，得到所述至少两个锚点分别对应的局部边界，也就是说，对于锚点来说，其对应的局部边界可以由局部角度及局部上下边界得到。对所述至少两个锚点分别对应的局部边界进行拼接处理，得到所述待检测文本的文本边框。
一示例中，对所述中心线区域进行采样处理，可以得到所述中心线区域上至少两个锚点。其中，就锚点而言，锚点为中心线区域中作为参考基准的有代表性的选定点(比如在不规则形状某个峰值位置或者峰谷位置的选定点)，从而根据至少两个锚点来获取至少两个锚点分别对应的局部边界，由于不是对中心线区域所有点，而是针对锚点分别对应的局部边界进行拼接处理，可以更准确的重构出文本边框的不规则形状，且处理效率更快。
一示例中，所述待检测文本还可以包括至少一行文本，在上述步骤S101特征提取的过程中，还可以得到表征所述待检测文本中任一行文本的第二特征数据，根据所述第二特征数据及所述文本检测网络从所述待检测文本中分割出所述任一行文本后，对所述任一行文本执行上述文本检测处理，比如，可以根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果，通过该预测结果可以实现对待检测文本的文本边框预测，进而根据该预测结果最终确定出文字边框的实际位置。
图5示出根据本公开实施例的待检测文本中对不规则文本序列中心线识别的示意图，如图5所示，一段文本序列“ABCDE”呈现上下起伏的形状，并以第一文本边框101和第二文本边框102所标识。由于采用基于深度学习的OCR识别框架，也不一定可以精确的识别出文本序列“ABCDE”及其文本边框，因此，可以采用本公开的文本检测网络进行用于上下边界距离的特征提取、及根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，以得到用以文本检测的预测结果，进而根据预测结果重构出待检测文本的文本边框，以精准地识别出以第一文本边框101和第二文本边框102所标识的该文本序列“ABCDE”对应的文本边框。其中，在进行上述特征提取后，可以得到表征该文本序列“ABCDE”上下边界的第一特征数据，对第一特征数据进行全局分割及局部回归的处理，得到预测结果，所述预测结果至少包括：所述待检测文本的文字置信度、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度。根据所述待检测文本的文字置信度，得到分割掩膜，根据所述分割掩膜对所述待检测文本进行掩膜处理，得到待检测文本的上下边界距离后，根据所述待检测文本的上下边界距离进行融合处理，得到所述待检测文本的中心线区域(以中心线区域的上边框11和中心线区域的下边框12标识该中心线区域)，获取该中心线区域中作为参考基准的锚点13(锚点数据13可以为一个或多个，图5仅显示该锚点数据的一个示例，在实际应用中该锚点的个数或位置均不限于本公开的该示例)，根据中心线区域上至少两个锚点分别对应的待检测文本的局部上下边界距离及待检测文本的局部角度，得到至少两个锚点分别对应的局部边界。对至少两个锚点分别对应的局部边界进行拼接处理，得到待检测文本的文本边框。本公开还可以根据锚点及文本检测网络得到该中心线区域的中心线14，从而，以该中心线14最终确定出该文本序列“ABCDE”文本边框的所在位置。
可能的实现方式中，所述方法还包括：根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络；所述文本检测网络为训练后的检测网络。通过本公开中的多任务训练，如用于文本序列粗略分割的全局分割任务及确定文本边框的局部回归任务(边界及角度的回归两个方面)，由于这两个训练分支可以共用一套网络参数，而不是采用各自训练分支的独立参数(即采用两套网络参数)，不仅可以提高处理效率，而且可以降低训练的复杂度。
可能的实现方式中，所述根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络，包括：对所述文本训练数据执行全局分割的处理任务，得到第一损失函数(如可以采用交叉熵损失函数)；对所述文本训练数据执行局部回归的处理任务，得到第二损失函数(如降维形式的IoU损失函数)，及第三损失函数(如对称的三角函数)。可以根据所述第一损失函数、所述第二损失函数及所述第三损失函数得到第四损失函数(即根据第一损失函数、第二损失函数及第三损失函数所得到的总损失函数)，根据所述第四损失函数的反向传播进行网络参数的调整后得到所述文本检测网络。通过多任务训练的学习，该文本检测网络可以不断更新自身的网络参数，以达到所需文本检测的精度。
可能的实现方式中，所述执行所述多任务训练中，就全局分割任务而言，在该训练分支中，可以采用多个处理路径来对所述文本训练数据进行所述全局分割任务的训练；就局部回归任务而言，在该训练分支中，也可以采用多个处理路径来对所述文本训练数据进行所述局部回归任务的训练。采用本公开，利用多路径来实现全局分割任务，相较于单路径而言，可以得到更精确的文本检测结果。
应用示例：
对于文本检测，随着深度学习与计算机视觉技术的发展，可以采用诸如卷积神经网络作为检测工具以实现文本检测。文本检测可适用的应用场景包括：实时文本翻译、单据/***/餐单识别、街道指示牌、商铺名称、产品外包装上文本识别、车牌识别等。文本检测中，对于不规则的文字的识别难度较高，比如，文字呈现弯曲的环状或上下起伏的形状等等。由于该不规则的文字其自身形状的特殊性，因此，需要采用复杂建模得到的卷积神经网络来进行文字检测，这需要多个用于检测的网络参数，或者级联多个阶段，才可以最终得到待检测文本的文字边框所在的位置。对此，相比上述复杂建模得到的卷积神经网络，需要更为简洁且高效的检测方案，即以更简洁的神经网络来达到更精确地对文字边框所在的位置进行检测的目的。
采用本公开，该神经网络可以是训练后得到的上述文本检测网络，该文本检测网络的训练过程中是基于多任务学***方向上真实值与预测值容易有较大偏差的情况下，可以使网络更好收敛)，以得到角度信息。一示例中，该文本检测网络的训练过程中，将交叉熵损失函数、IoU损失函数、对称的三角函数相加，权重分别为1、1和10，可以得到总的损失函数，根据该总的损失函数训练该文本检测网络，并不断更新该文本检测网络自身的网络参数，直至收敛，以基于该文本检测网络，直接得到所确定的文本边框的位置。
其中，就IoU损失函数而言，可以采用降维形式的IoU损失函数，即：将原始的IoU损失函数通过降维处理，得到降维形式的IoU损失函数，根据该降维形式的IoU损失函数来约束上边界点及下边界点分别对应的变量(如上边界点的距离及下边界点的距离)。需要说明的是：在回归处理中，该原始的IoU损失函数，一般用来优化每个位置的上下左右4个距离，即优化2D的矩形框，而本公开中在局部边界检测的回归处理中，仅有上下边界距离，因此，可以通过上述降维处理对每个位置的上下2个距离进行优化，从而降低了网络训练的运算量，具体的，是在每个位置分配一对用于表征文本上边界及文字下边界的两个点(即该上边界点和该下边界点)，该上边界距离为当前位置距离该上边界点的距离，该下边界距离为当前位置距离该下边界点的距离。
图6示出根据本公开实施例的文本检测方法中多任务处理的示意图，如图6所示，包括：全局分割处理和局部回归两个处理分支，两个处理分支可以共用作为特征提取器使用的骨架网络，以对语义特征进行提取，即共用该骨架网络的一套网络参数进行特征提取，以降低文本检测网络的训练复杂度。可以采用多路径来实现全局分割处理和局部回归，相比单路径可以得到更好的文本检测网络的网络训练结果。而且，采用多路径和共用骨架网络，还可以在保持网络参数的总量不增的情况下，提升了该文本检测网络自身的表达能力，同时能够更加有效地利用不同尺度上的特征。
如图6所示，经过全局分割处理，可以得到文字置信度，以根据文字置信度对“文本-非文本”进行分类和聚类后得到分割掩膜，根据分割掩膜可以对待检测文本进行掩膜处理，在经掩膜处理得到的区域进行局部回归后得到上边界距离(由图6中高亮线段向上方回归)、下边界距离(由图6中高亮线段向下方回归)以及局部角度。其中，局部回归的处理分支中包括：局部边界检测的回归处理以及局部方向检测的回归处理，通过局部边界检测的回归处理可以得到该上边界距离及该下边界距离；通过局部方向检测的回归处理可以得到该局部角度。
图7示出根据本公开实施例的文本检测方法中后处理的示意图，后处理即应用训练后的该文本检测网络的过程，如图7所示，包括如下内容：
一、将包含待检测文本的图像输入该文本检测网络，进行上述全局分割处理、掩膜处理及局部回归后，得到上边界距离、下边界距离。对于任一个位置而言，如果上边界距离及下边界距离比较近，说明该位置有可能处于中心线区域，则可以根据上边界距离及下边界距离进行融合处理，以得到中心线区域置信度。进而，对所有位置进行该融合处理，可以得到所有中心线区域置信度，根据所有中心线区域置信度得到可能的中心线区域。
其中，进行该融合处理，可以采用如下公式(1)，公式(1)中，Z为中心线区域置信度，x为上边界距离，y为下边界距离。
Z＝2*min(x，y)/(x+y)(1)
二、在中心线区域进行自适应的均匀采样，即可以由中心线区域的一端出发，按照预设间隔进行间隔地均匀采样，直至到达中心线区域的另一个端点，得到中心线区域中作为参考基准的锚点，如图7所示，多个文本序列，分别对应多个中心线区域；而多个中心线区域分别均匀采样，分别得到构成多个中心线区域的锚点。
三、对于每个锚点，均可以得到其对应的局部边界，比如，通过局部边界检测的回归处理得到该下边界距离及该上边界距离，通过局部方向检测的回归处理可以得到该局部角度，根据该下边界距离、该上边界距离及该局部角度得到该局部边界，最终，可以根据该局部边界的拼接处理得到待检测文本中任一行文本序列整体的文本边框位置，如图7所示，多行文本序列，分别对应多个文本边框位置。
采用本公开，通过全局分割处理和局部回归所训练得到的文本检测网络，可以基于学习到的文字任意形状，分别针对文字的不同形状进行文本检测，尤其是待检测文本中存在大量密集的文本序列的情况下，可以通过全局分割处理在密集段落中检测出任意一行文本序列，避免了分割时密集文字的粘连问题。通过局部回归来回归并重构出局部文字边界，可以减少了网络需要学习的网络参数，而无需复杂的后处理。通过多路径的全局分割与局部回归两个分支且共享一个骨架网络的网络参数，不仅简化了网络训练量，使其更快收敛，且可以更好的学习复杂场景(不规则文字)中的文字形状特征，从而通过输入端-输出端这种“端到端”的简洁且高效的检测方式，不仅可以提高检测的准确度，而且还可以提高检测的处理速度。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，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。
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。
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8示出根据本公开实施例的文本检测装置的框图，如图8所示，包括：获取单元31，用于获取图像中的待检测文本，将所述待检测文本输入文本检测网络中进行特征提取，得到第一特征数据；文本检测单元32，用于根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果。
可能的实现方式中，所述装置还包括重构单元，用于：根据所述预测结果重构出所述待检测文本的文本边框。
可能的实现方式中，所述文本检测单元，用于：在所述文本检测网络中对所述第一特征数据进行全局分割的处理，得到待检测文本的文字置信度；在所述文本检测网络中对所述第一特征数据进行局部回归的处理，得到待检测文本的局部上下边界距离及待检测文本的局部角度；所述预测结果包括：所述待检测文本的文字置信度、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度。
可能的实现方式中，所述装置还包括边界确定单元，用于：根据所述待检测文本的文字置信度，得到分割掩膜；根据所述分割掩膜对所述待检测文本进行掩膜处理，得到待检测文本的上下边界距离。
可能的实现方式中，所述待检测文本包括至少一行文本；所述装置还包括文本分割单元，用于：响应于所述特征提取，得到第二特征数据，所述第二特征数据用以表征所述待检测文本中任一行文本；根据所述第二特征数据及所述文本检测网络从所述待检测文本中分割出所述任一行文本。
可能的实现方式中，所述重构单元，用于：根据所述待检测文本的上下边界距离、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，重构出所述待检测文本的文本边框。
可能的实现方式中，所述重构单元，用于：根据所述待检测文本的上下边界距离进行融合处理，得到所述待检测文本的中心线区域；根据所述中心线区域上至少两个锚点分别对应的所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，得到所述至少两个锚点分别对应的局部边界；对所述至少两个锚点分别对应的局部边界进行拼接处理，得到所述待检测文本的文本边框。
可能的实现方式中，所述装置还包括采样单元，用于：对所述中心线区域进行采样处理，得到所述中心线区域上至少两个锚点。
可能的实现方式中，所述装置还包括训练单元，用于：根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络；所述文本检测网络为训练后的检测网络。
可能的实现方式中，所述训练单元，用于：对所述文本训练数据执行全局分割的处理任务，得到第一损失函数；对所述文本训练数据执行局部回归的处理任务，得到第二损失函数，及第三损失函数；根据所述第一损失函数、所述第二损失函数及所述第三损失函数得到第四损失函数；根据所述第四损失函数的反向传播进行网络参数的调整后得到所述文本检测网络。
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易失性计算机可读存储介质或非易失性计算机可读存储介质。
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检测方法的操作。
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。
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上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图9是根据一示例性实施例示出的一种电子设备800的框图。例如，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9，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***，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***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***接口模块之间提供接口，上述***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CMOS或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WiFi，2G或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***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10是根据一示例性实施例示出的一种电子设备900的框图。例如，电子设备900可以被提供为一服务器。参照图10，电子设备900包括处理组件922，其进一步包括一个或多个处理器，以及由存储器932所代表的存储器资源，用于存储可由处理组件922的执行的指令，例如应用程序。存储器932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922被配置为执行指令，以执行上述方法。
电子设备900还可以包括一个电源组件926被配置为执行电子设备900的电源管理，一个有线或无线网络接口950被配置为将电子设备900连接到网络，和一个输入输出(I/O)接口958。电子设备900可以操作基于存储在存储器932的操作***，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，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932，上述计算机程序指令可由电子设备900的处理组件922执行以完成上述方法。
本公开可以是***、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(***)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***、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***来实现，或者可以用专用硬件与计算机指令的组合来实现。
在不违背逻辑的情况下，本申请不同实施例之间可以相互结合，不同实施例描述有所侧重，为侧重描述的部分可以参见其他实施例的记载。
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技术的技术改进，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 (13)
1.一种文本检测方法，其特征在于，所述方法包括：
获取图像中的待检测文本，将所述待检测文本输入文本检测网络中进行特征提取，得到第一特征数据；
根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果。
2.根据权利要求1所述的方法，其特征在于，所述得到用以文本检测的预测结果之后，所述方法还包括：
根据所述预测结果重构出所述待检测文本的文本边框。
3.根据权利要求2所述的方法，其特征在于，所述根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果，包括：
在所述文本检测网络中对所述第一特征数据进行全局分割的处理，得到待检测文本的文字置信度；
在所述文本检测网络中对所述第一特征数据进行局部回归的处理，得到待检测文本的局部上下边界距离及待检测文本的局部角度；
所述预测结果包括：所述待检测文本的文字置信度、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度。
4.根据权利要求3所述的方法，其特征在于，所述在所述文本检测网络中对所述第一特征数据进行全局分割的处理，得到文字置信度之后，还包括：
根据所述待检测文本的文字置信度，得到分割掩膜；
根据所述分割掩膜对所述待检测文本进行掩膜处理，得到待检测文本的上下边界距离。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述待检测文本包括至少一行文本；
所述得到第一特征数据之前，所述方法还包括：
响应于所述特征提取，得到第二特征数据，所述第二特征数据用以表征所述待检测文本中任一行文本；
根据所述第二特征数据及所述文本检测网络从所述待检测文本中分割出所述任一行文本。
6.根据权利要求4所述的方法，其特征在于，所述根据所述预测结果重构出所述待检测文本的文本边框，包括：
根据所述待检测文本的上下边界距离、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，重构出所述待检测文本的文本边框。
7.根据权利要求6所述的方法，其特征在于，所述根据所述待检测文本的上下边界距离、所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，重构出所述待检测文本的文本边框，包括：
根据所述待检测文本的上下边界距离进行融合处理，得到所述待检测文本的中心线区域；
根据所述中心线区域上至少两个锚点分别对应的所述待检测文本的局部上下边界距离及所述待检测文本的局部角度，得到所述至少两个锚点分别对应的局部边界；
对所述至少两个锚点分别对应的局部边界进行拼接处理，得到所述待检测文本的文本边框。
8.根据权利要求7所述的方法，其特征在于，所述得到所述待检测文本的中心线区域之后，还包括：
对所述中心线区域进行采样处理，得到所述中心线区域上至少两个锚点。
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述方法还包括：
根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络；
所述文本检测网络为训练后的检测网络。
10.根据权利要求9所述的方法，其特征在于，所述根据文本训练数据对用于多任务训练的检测网络进行训练，得到所述文本检测网络，包括：
对所述文本训练数据执行全局分割的处理任务，得到第一损失函数；
对所述文本训练数据执行局部回归的处理任务，得到第二损失函数，及第三损失函数；
根据所述第一损失函数、所述第二损失函数及所述第三损失函数得到第四损失函数；
根据所述第四损失函数的反向传播进行网络参数的调整后得到所述文本检测网络。
11.一种文本检测装置，其特征在于，所述装置包括：
获取单元，用于获取图像中的待检测文本，将所述待检测文本输入文本检测网络中进行特征提取，得到第一特征数据；
文本检测单元，用于根据所述文本检测网络及所述第一特征数据进行全局分割及局部回归的处理，得到用以文本检测的预测结果。
12.一种电子设备，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：执行权利要求1至权利要求10中任意一项所述的方法。
13.一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至权利要求10中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010409367.4A CN111582265A (zh) | 2020-05-14 | 2020-05-14 | 一种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 |
|---|---|---|---|
| CN202010409367.4A CN111582265A (zh) | 2020-05-14 | 2020-05-14 | 一种文本检测方法及装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111582265A true CN111582265A (zh) | 2020-08-25 |
Family
ID=72115477
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010409367.4A Withdrawn CN111582265A (zh) | 2020-05-14 | 2020-05-14 | 一种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) | CN111582265A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112200202A (zh) * | 2020-10-29 | 2021-01-08 | 上海商汤智能科技有限公司 | 文本检测方法及装置、电子设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109117836A (zh) * | 2018-07-05 | 2019-01-01 | 中国科学院信息工程研究所 | 一种基于焦点损失函数的自然场景下文字检测定位方法和装置 |
| CN109492638A (zh) * | 2018-11-07 | 2019-03-19 | 北京旷视科技有限公司 | 文本检测方法、装置及电子设备 |
| CN110298298A (zh) * | 2019-06-26 | 2019-10-01 | 北京市商汤科技开发有限公司 | 目标检测及目标检测网络的训练方法、装置及设备 |
| CN110569835A (zh) * | 2018-06-06 | 2019-12-13 | 北京搜狗科技发展有限公司 | 一种图像识别方法、装置和电子设备 |
| US20200012876A1 (en) * | 2017-09-25 | 2020-01-09 | Tencent Technology (Shenzhen) Company Limited | Text detection method, storage medium, and computer device |
-
2020
- 2020-05-14 CN CN202010409367.4A patent/CN111582265A/zh not_active Withdrawn
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200012876A1 (en) * | 2017-09-25 | 2020-01-09 | Tencent Technology (Shenzhen) Company Limited | Text detection method, storage medium, and computer device |
| CN110569835A (zh) * | 2018-06-06 | 2019-12-13 | 北京搜狗科技发展有限公司 | 一种图像识别方法、装置和电子设备 |
| CN109117836A (zh) * | 2018-07-05 | 2019-01-01 | 中国科学院信息工程研究所 | 一种基于焦点损失函数的自然场景下文字检测定位方法和装置 |
| CN109492638A (zh) * | 2018-11-07 | 2019-03-19 | 北京旷视科技有限公司 | 文本检测方法、装置及电子设备 |
| CN110298298A (zh) * | 2019-06-26 | 2019-10-01 | 北京市商汤科技开发有限公司 | 目标检测及目标检测网络的训练方法、装置及设备 |
Non-Patent Citations (2)
| Title |
|---|
| CHUHUI XUE: "MSR: Multi-Scale Shape Regression for Scene Text Detection" * |
| 熊彬程: "自然场景图像下文本检测的研究" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112200202A (zh) * | 2020-10-29 | 2021-01-08 | 上海商汤智能科技有限公司 | 文本检测方法及装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110889469B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| US20210118112A1 (en) | Image processing method and device, and storage medium | |
| CN110348537B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
| US20210248718A1 (en) | Image processing method and apparatus, electronic device and storage medium | |
| CN111445493B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111753822A (zh) | 文本识别方法及装置、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 | |
| CN110569777B (zh) | 图像处理方法及装置、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 | |
| CN110633700B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
| CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN110781957A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN109858614B (zh) | 神经网络训练方法及装置、电子设备和存储介质 | |
| CN110909815A (zh) | 神经网络训练、图像处理方法、装置及电子设备 | |
| CN109934240B (zh) | 特征更新方法及装置、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 | |
| CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
| CN109344703B (zh) | 对象检测方法及装置、电子设备和存储介质 | |
| CN111259967A (zh) | 图像分类及神经网络训练方法、装置、设备及存储介质 | |
| CN108171222B (zh) | 一种基于多流神经网络的实时视频分类方法及装置 | |
| CN112085097A (zh) | 图像处理方法及装置、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 | |
| CN113052874B (zh) | 目标跟踪方法及装置、电子设备和存储介质 | |
| CN112598676B (zh) | 图像分割方法及装置、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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200825 |