[发明专利]基于全卷积神经网络的候选文本框生成和文本检测方法

权利要求书

1.基于全卷积神经网络的候选文本框生成和文本检测方法，其特征在于，包括步骤

S1：生成文本区域候选框，inception-RPN以自然场景图片和一套标记文本区域的真实边界框作为输入，产生可控数量的单词区域候选框，在VGG16模型的卷积特征响应图上滑动一个inception网络，并在每个滑动位置辅助一套文本特征先验框；

S2：并入容易引起歧义的文本类别监督信息，融入多层次的区域下采样信息，进行文本检测；

S3：通过反向传播和随机梯度下降，以一种端到端的方式训练inception候选框生成网络和文本检测网络；

S4：候选框迭代投票以一种补充的方式获得更高的文本召回率，使用候选框过滤算法，移除过剩的检测框；

训练过程中使多任务的损失函数最小，公式如下:

分类层的损失函数L_cls是softmax损失函数，p和p^*分别是预测的标签和真实的标签；回归损失函数L_reg应用smooth-L1损失函数；另外，t＝{t_x，t_y，t_w，t_h}和分别相应的代表预测和真实候选框的回归偏差值向量，t^*由如下公式所得：

其中，P＝{P_x，P_y，P_w，P_h}和G＝{G_x，G_y，G_w，G_h}分别代表相应候选框P和真实文本框G的中心坐标、高度和宽度，λ代表损失平衡参数。

2.如权利要求1所述的基于全卷积神经网络的候选文本框生成和文本检测方法，其特征在于，步骤S1包括步骤

S11：文本特征先验框设计；

S12：构建inception候选框生成网络。

3.如权利要求2所述的基于全卷积神经网络的候选文本框生成和文本检测方法，其特征在于，步骤S11中文本特征先验框共24种，其中每个滑动位置滑动窗口宽度设为32，48，64和80，长宽比例为0.2，0.5，0.8，1.0，1.2和1.5。

4.如权利要求2所述的基于全卷积神经网络的候选文本框生成和文本检测方法，其特征在于，步骤S12中inception候选框生成网络由一个3*3的卷积层，5*5的卷积层和3*3的最大池化层连接到一个作为输入的Conv5_3的特征响应图的相应的空间接受域上。

5.如权利要求1所述的基于全卷积神经网络的候选文本框生成和文本检测方法，其特征在于，步骤S2中文本类别监督信息为：候选框IoU重叠大于等于0.5的指定为存在文本，把候选框IoU重叠大于等于0.2小于0.5的指定为“模糊文本”，其他指定为不包含文本信息。

6.如权利要求1所述的基于全卷积神经网络的候选文本框生成和文本检测方法，其特征在于，步骤S2中多层次的区域下采样信息为：在VGG16网络的Conv4_3和Conv5_3的卷积特征响应图都执行多层次的区域下采样，并得到两个512*H*W的采样特征，然后以一个512*1*1的卷积层解码连接在一起的特征。