[发明专利]一种任意形状的自然场景文本识别方法

权利要求书

1.一种任意形状的自然场景文本识别方法，其特征在于，包括如下步骤：

S1、自然场景文本图像采集，制作训练数据集和测试数据集；

S2、构建文本识别网络模型，用标注好的训练样本数据优化网络模型参数，获得最优的文本识别网络模型；

S3、将待识别的自然场景文本图像输入训练好的网络模型，得到文本识别结果。

2.根据权利要求1所述的一种任意形状的自然场景文本识别方法，其特征在于，所述步骤S1中，将采集到的场景文本图像按照4：1比例划分训练集和测试集，对划分为训练集中所有图像的多方向文本进行标注，标签为包围文本实例的多边形坐标和文本序列，得到带标注的训练数据集。

3.根据权利要求1所述的一种任意形状的自然场景文本识别方法，其特征在于，所述步骤S2中，构建文本识别网络模型，用标注好的训练样本数据优化网络模型参数，获得最优的文本识别网络模型，具体包括如下步骤：

S21、构建分割候选网络，包括一个U-Net结构网络模块、一个特征融合模块和两个分割预测模块；

S22、使用Masked RoI模块，将仅含有0和1元素的二值多边形masking矩阵与RoI特征按元素相乘得到masked RoI特征，其中二值多边形masking矩阵表示在多边形区域中全为1且在多边形区域外全为0的轴对齐矩形的二进制映射，则masked RoI特征R计算为R＝R0*M，其中：R0为RoI特征，M为二值多边形masking矩阵，*表示逐元素乘法；

S23、构建Fast RCNN网络分支，包括一个分类任务和一个回归任务，将步骤S22得到的masked RoI特征输入该网络，对文本区域提供更精确的定位；

S24、构建Mask掩膜分支，用来检测和识别任意形状的文本，所述Mask掩膜分支包括三个任务：文本实例分割任务、字符分割任务和文本序列识别任务；

S25、所述文本识别网络模型中采用多任务损失函数：L＝L_sp+α₁L_rcnn+α₂L_mask，其中，

L_sp代表分割损失；

L_rcnn代表Fast RCNN网络分支损失，包括分类损失和回归损失；

L_mask代表Mask掩膜分支损失，包括文本实例分割损失、字符分割损失和文本序列识别损失；

α₁,α₂为超参数。