[发明专利]文本检测方法、模型训练方法及相关设备

权利要求书

1.一种文本检测方法，其特征在于，包括：

对目标图像进行文本检测，获得至少一个文本区域；

将每一所述文本区域进行分割获得至少一个文本图像块；

将每一所述文本图像块的尺寸调整为预设尺寸；

将调整后的所述文本图像块输入至预先训练的分类模型中获得第一置信度，所述第一置信度用于表示所述文本图像块包括手写体文本的概率；

其中，所述将调整后的所述文本图像块输入至预先训练的分类模型中获得第一置信度的步骤包括：

将调整后的所述文本图像块输入至预先训练的模糊判断模型中，获得属于目标模糊程度分类的第二文本图像块；

将所述第二文本图像块输入至所述分类模型中，获得所述第二文本图像块的所述第一置信度；

其中，所述模糊判断模型用于将文本图像块划分为模糊程度从小到大的第一模糊程度分类、第二模糊程度分类和第三模糊程度分类，所述目标模糊程度分类包括所述第二模糊程度分类和所述第三模糊程度分类。

2.根据权利要求1所述的方法，其特征在于，所述将调整后的所述文本图像块输入至预先训练的分类模型中获得第一置信度之后，所述方法还包括：

获取第一文本图像块的位置信息，所述第一文本图像块的所述第一置信度大于第一预设值；

根据所述位置信息，确定所述目标图像中是否存在手写签名。

3.根据权利要求1所述的方法，其特征在于，所述模糊判断模型包括浅层特征提取网络层、交叉注意模块、全局池化网络层、第一全连接网络层和第一softmax函数；所述将调整后的所述文本图像块输入至预先训练的模糊判断模型中，获得属于目标模糊程度分类的第二文本图像块的步骤包括：

将调整后的所述文本图像块输入至浅层特征提取网络层，获得浅层字迹纹理特征；

利用交叉注意模块对所述浅层字迹纹理特征进行特征提取，获得高频抽象细节特征，所述高频抽象细节特征用于表示所述文本图像块模糊程度的权重；

将所述高频抽象细节特征经过所述全局池化网络层进行池化处理；

将所述全局池化网络层的输出结果经过所述第一全连接网络层处理后，输出至所述第一softmax函数进行模糊程度分类，获得所述第一模糊程度分类对应的第二置信度，其中所述第二置信度用于表示文本图像块属于第一模糊分类的概率值；

将所述第二置信度小于第二预设值的文本图像块确定为所述第二文本图像块。

4.根据权利要求1所述的方法，其特征在于，所述分类模型包括多层卷积网络层、第二全连接网络层和第二softmax函数；所述将所述第二文本图像块输入至所述分类模型中，获得所述第二文本图像块的所述第一置信度，包括：

将所述第二文本图像块输入至所述多层卷积网络层中进行特征提取和融合处理，得到融合后的高频抽象特征；

将所述高频抽象特征输入至所述第二全连接网络层进行降维处理，得到手写体权重值和印刷体权重值；

将所述手写体权重值和印刷体权重值输入至所述第二softmax函数进行计算，获得所述第一置信度。