[发明专利]一种基于深度神经网络的长短文本检测的方法及系统

说明书

本发明公开了一种基于深度神经网络的长短文本检测的方法及系统，包.括：对原始图片提取特征图；基于Faster RCNN从特征图中枚举若干预设长宽比的第一类矩形区域，预测第一类矩形区域的前景或背景、预测第一类矩形区域的真实区域，得到所有的第一类文本框；基于CTPN从特征图枚举若干预设宽度、不定长度的第二类矩形区域，若第二类矩形区域为文本区域，则接入RNN循环网络得到第二类文本框；基于非极大值抑制合并第一类文本框和第二类文本框。本发明结合了Faster RCNN和CTPN的优点，并通过一定的规则将两者的检测内容基于非极大值抑制逻辑合并，使得文本检测的召回率和准确率都得到了提高。

技术领域

本发明涉及文本检测技术领域，具体涉及一种基于深度神经网络的长短文本检测的方法及系统。

背景技术

目前，市场上有大量将用户提供的带有文字的图片电子化的需求，此类需求需要将图片内文本检测出来，并识别为数字化的文本。这部分工作过去需要大量的人力，而现在则是利用OCR技术将图片转为电子数据的这项技术。目前的OCR技术，分为检测和识别两个模块,本技术主要用来提高文本检测模块的表现，将提升文本的边界回归的准确率。

文本检测技术，主要基于的是目前发展较好的深度卷积神经网络进行检测，其包括Faster RCNN框架和CTPN检测框架；其中：

Faster RCNN框架的基础版本对于较大的物体有比较高的准确率。框架的的流程为：I.对图片提取特征，II.枚举大量的矩形来试图回归出对应的物体，III.将枚举出的矩形分成2类：包含目标且交集较大的正样本和其他负样本，IV.将正样本从特征图中裁剪出来，然后根据特征图去回归目标的边界；

针对文本类检测优化的CTPN检测架针对文本总是水平出现，且长度不固定的现象，采用了如下流程：I.对图片提取特征,II.枚举大量的小矩形,不同于Faster RCNN，美剧的小矩形会固定宽度，而高度会使用不同的尺度，比如:(11像素到273像素，每次乘以固定比例，共10个不同尺度),III,采用RNN循环网络将检测的小尺度文本进行连接，得到文本行。IV.采用CNN+RNN端到端的训练方式，支持多尺度。

上述两个检测模型存在的缺点为：

Faster RCNN检测模型在检测方面，因为文本存在长短不一差距较大的情况，难以确定枚举anchor的高宽，对长宽比差距极大的文本会存在边界回归较差的问题。

CTPN检测模型在检测方面，对于边界回归较好，但是对于存在文本重叠的情况下，会存在文本框丢失的情况，难以做到找回所有文本。

发明内容

针对上述问题中存在的不足之处，本发明提供一种基于深度神经网络的长短文本检测的方法及系统。

本发明公开了一种基于深度神经网络的长短文本检测的方法，包括：

选择原始图片，对原始图片提取特征图；

基于Faster RCNN从特征图中枚举若干预设长宽比的第一类矩形区域，预测第一类矩形区域的前景或背景、预测第一类矩形区域的真实区域，得到所有的第一类文本框；

基于CTPN从特征图枚举若干预设宽度、不定长度的第二类矩形区域，判断第二类矩形区域为文本或非文本区域；若第二类矩形区域为文本区域，则接入RNN循环网络得到第二类文本框；

基于非极大值抑制合并所述第一类文本框和第二类文本框。

作为本发明的进一步改进，所述基于Faster RCNN从特征图中枚举若干预设长宽比的第一类矩形区域，包括：

基于深度卷积网络提取原始图片抽象特征；

使用区域候选网络推荐原始图片的候选区域；

从候选区域回归文本的精准区域。