[发明专利]一种任意形状的自然场景文本识别方法

说明书

本发明提供了一种任意形状的自然场景文本识别方法，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，在文本识别中结合了空间注意力机制，为文本识别提高空间位置信息，提高了注意力机制模块对位置信息的敏感度，对文本的外观具有较强的鲁棒性，能够实现任意形状的文本识别。该方法在解决极端纵横比或不规则形状的文本实例检测与识别问题上取得很好效果，而且其识别精度不会受附近文本或背景噪声影响。

技术领域

本发明涉及文本检测与识别技术领域，特别涉及一种任意形状的自然场景文本识别方法。

背景技术

近年来，视频和图像中的文本检测与识别问题受到了越来越多的关注，因为文本是理解整个图像的重要内容，蕴含着丰富的语义信息，这些信息是图像内容描述和场景理解的关键线索，因此提取图像中的文本信息有着广泛的应用背景和重大的研究意义。当前规则的文本识别已经取得了显著的成功，比如：车牌识别、产品识别、互联网的视频内容安全监控、视频图像检索等，很多研究方法将递归神经网络、注意力机制结合到识别模型中取得了很好的效果。但是大多数的识别模型仍然不稳定，无法处理自然场景图像中的环境噪声干扰、不规则形状或扭曲模式等的文本识别问题。因此设计一种能够识别自然场景图像中任意形状文本实例的方法是有必要的。

发明内容

针对现有技术的不足，本发明提供了一种任意形状的自然场景文本识别方法，以解决背景技术中出现的问题。

为实现上述目的，本发明采用如下技术方案：

一种任意形状的自然场景文本识别方法，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。

更进一步地，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。

更进一步地，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＝RO*M，其中：RO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；