[发明专利]训练文字行方向预测模型的方法、装置、设备、介质

说明书

本发明提供了训练文字行方向预测模型的方法、装置、设备、介质，涉及图像检测技术领域。本发明通过获得样本图像集，所述样本图像集中的每张样本图像携带预先标记的坐标信息和旋转角度信息，该坐标信息表征该样本图像中的文字行的坐标，该旋转角度信息表征该样本图像中的文字行的旋转角度；在文字行检测模型中的最后一层卷积层后添加1×1的卷积层，得到改进后的文字行检测模型；将所述样本图像集输入到所述改进后的文字行检测模型中，得到文字行方向预测模型。因此，提高了文字行方向预测的鲁棒性。

技术领域

本发明涉及图像检测技术领域，特别是涉及训练文字行方向预测模型的方法、装置、设备、介质。

背景技术

自然场景中的文字行检测场景复杂、文字行方向任意，例如街拍的店铺图像，图像中的文字大小不一样，文字行方向排列不一致，并且文字容易受图像背景影响等。而图像是传递信息的重要媒介，是数据信息化的线上线下打通基础，对于图像文字行检测具有重要实际意义，例如将网络爬虫到的图像进行文字行检测，对检测到的文字行进行识别，从而判断该图像中是否含有敏感信息等。

目前，图像文字检测方法通常采用直接预测文字行四个点坐标和基于像素级分割的方法预测文字行区域，其只能检测从左到右排列的标准文字行。当文字行存在一定范围旋转时，现有检测方法不能对其完全定位；当文字行方向变化比较大时，现有检测方法也不能给出文字行方向旋转角度大小。这导致现有技术在自然场景下的检测鲁棒性低，影响图像文字识别效果。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的训练文字行方向预测模型的方法、装置、设备、介质。

第一方面，本发明提供了一种训练文字行方向预测模型的方法，该方法包括：

获得样本图像集，所述样本图像集中的每张样本图像携带预先标记的坐标信息和旋转角度信息，该坐标信息表征该样本图像中的文字行的坐标，该旋转角度信息表征该样本图像中的文字行的旋转角度；

在文字行检测模型中的最后一层卷积层后添加1×1的卷积层，得到改进后的文字行检测模型；

将所述样本图像集输入到所述改进后的文字行检测模型中，得到文字行方向预测模型。

优选地，将待识别图像输入所述文字行方向预测模型，输出所述待识别图像中的文字行的坐标信息和旋转角度信息，该坐标信息表征该待识别图像中的文字行的坐标，该旋转角度信息表征该待识别图像中的文字行的旋转角度。

优选地，所述文字行检测模型是以Mobilenet_v2深度神经网络作为主干网络构建的PixelLink网络模型。

优选地，对所述样本图像集中每一张携带坐标信息的样本图像随机选择四个方向中的任意一个方向进行旋转，并根据旋转方向标记该样本图像携带的旋转角度信息；其中，所述四个方向包括：0°、90°、180°以及270°。

优选地，对所述样本图像集中每一张样本图像，随机选择-45°到45°之间的一个角度进行旋转，并对旋转后的样本图像进行数据增强；

将所述样本图像集输入到所述改进后的文字行检测模型，包括：

将数据增强后的样本图像所组成的样本图像集输入到所述改进后的文字行检测模型。

第二方面，本发明提供了一种训练文字行方向预测模型的装置，该装置包括：

获取模块，用于获得样本图像集，所述样本图像集中的每张样本图像携带预先标记的坐标信息和旋转角度信息，该坐标信息表征该样本图像中的文字行的坐标，该旋转角度信息表征该样本图像中的文字行的旋转角度；

改进模块，用于在文字行检测模型中的最后一层卷积层后添加1×1的卷积层，得到改进后的文字行检测模型；