[发明专利]基于弱监督的字符检测器训练方法、装置、系统及介质

权利要求书

1.一种基于弱监督的字符检测器训练方法，其特征在于，包括：

输入待处理对象的粗粒度标注信息，所述粗粒度标注信息包括待处理对象的基于词、文本条和/或行的标注信息；

对所述粗粒度标注信息的整体外包围轮廓沿所述待处理对象的字符的排列方向进行等分分割以获得所述待处理对象的字符的粗包围盒，其中，所述粗包围盒包括上下边界和左右边界；

根据所述粗粒度标注信息，通过神经网络模型获得所述待处理对象的字符的预测包围盒，其中，所述预测包围盒包括上下边界和左右边界；

根据所述粗包围盒和所述预测包围盒确定所述待处理对象的字符的精细包围盒，将所述精细包围盒的标注信息作为所述待处理对象的字符标注，其中，所述精细包围盒包括上下边界和左右边界。

2.根据权利要求1所述的方法，其特征在于，所述基于词、文本条和/或行的标注信息为词、文本条和/或行的整体外包围轮廓，所述整体外包围轮廓包括矩形框。

3.根据权利要求1所述的方法，其特征在于，对所述粗粒度标注信息的整体外包围轮廓沿所述待处理对象的字符的排列方向进行等分分割以获得所述待处理对象的字符的粗包围盒，包括：

将所述粗粒度标注信息的整体外包围轮廓进行N等分，其中，与文字方向垂直的方向为分割线的方向，所述文字方向是所述待处理对象的字符的排列方向，N为所述粗粒度标注信息中的字符个数，或者N为所述整体外包围轮廓最长边长度除以最短边长度的商的四舍五入式取整数值。

4.根据权利要求1所述的方法，其特征在于，根据所述粗包围盒和所述预测包围盒确定所述待处理对象的字符的精细包围盒，包括：

判断第一条件和第二条件是否同时满足，所述第一条件为所述预测包围盒的置信度大于预设的置信度阈值，所述第二条件为所述粗包围盒和所述预测包围盒的交叠比大于预设的交叠比阈值；

若所述第一条件和所述第二条件同时满足，则根据所述预测包围盒调整所述粗包围盒，生成所述精细包围盒；

若所述第一条件不满足或所述第二条件不满足，则将所述粗包围盒赋值给所述精细包围盒。

5.根据权利要求4所述的方法，其特征在于，根据所述预测包围盒调整所述粗包围盒，生成所述精细包围盒，包括：

判断所述粗粒度标注信息的文字方向所在直线与水平轴的夹角是否小于等于45°，所述文字方向是所述待处理对象的字符的排列方向；

若是则将所述粗包围盒的上下边界作为所述精细包围盒的上下边界，将所述预测包围盒的左右边界作为所述精细包围盒的左右边界；

若否则将所述粗包围盒的上下边界作为所述精细包围盒的左右边界，将所述预测包围盒的左右边界作为所述精细包围盒的上下边界。

6.根据权利要求1-5中任一项所述的方法，其特征在于，在根据所述粗包围盒和所述预测包围盒确定所述待处理对象的字符的精细包围盒之后，还包括：

根据所述精细包围盒计算所述神经网络模型的损失函数，通过误差反向传播算法更新所述神经网络模型的参数值。

7.一种基于弱监督的字符检测器训练装置，其特征在于，包括：

输入模块，用于输入待处理对象的粗粒度标注信息，所述粗粒度标注信息包括待处理对象的基于词、文本条和/或行的标注信息；

字符粗定位模块，用于对所述粗粒度标注信息的整体外包围轮廓沿所述待处理对象的字符的排列方向进行等分分割以获得所述待处理对象的字符的粗包围盒，其中，所述粗包围盒包括上下边界和左右边界；

字符检测器，用于根据所述粗粒度标注信息，通过神经网络模型获得所述待处理对象的字符的预测包围盒，其中，所述预测包围盒包括上下边界和左右边界；

字符调整模块，用于根据所述粗包围盒和所述预测包围盒确定所述待处理对象的字符的精细包围盒，将所述精细包围盒的标注信息作为所述待处理对象的字符标注，其中，所述精细包围盒包括上下边界和左右边界。

8.根据权利要求7所述的装置，其特征在于，所述基于词、文本条和/或行的标注信息为词、文本条和/或行的整体外包围轮廓，所述整体外包围轮廓包括矩形框。