[发明专利]文本检测方法、模型训练方法及相关设备

说明书

本申请提供一种文本检测方法、模型训练方法及相关设备，该方法包括：文本检测方法包括：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确定所述文本图像块包括手写体文本的概率。本申请实施例可以避免手写体文本对文本识别准确度的影响。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种文本检测方法、模型训练方法及相关设备。

背景技术

随着视频或图像处理等技术的发展，在图像中实现文本的自动识别和检测得到了广泛的应用。传统技术中，针对图像中文字的识别通常是统一进行识别，当存在用户手写输入的文本时，通常无法正确的识别出手写的文本，从而导致识别出错。因此，现有技术中存在手写体文本影响文本识别准确度的问题。

发明内容

本申请实施例提供一种文本检测方法、模型训练方法及相关设备，以解决手写体文本影响文本识别准确度的问题。

第一方面，本申请实施例提供了一种文本检测方法，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。

第二方面，本申请实施例提供了一种分类模型训练方法，包括：

利用第一样本数据集中的文本图像块对卷积神经网络进行训练得到分类模型；

其中，所述第一样本数据集中的文本图像块的尺寸均为预设尺寸，所述第一样本数据集包括第一类文本图像块和第二类文本图像块，所述第一类文本图像块为包括手写体文本的文本图像块，所述第二类文本图像块为包括印刷体文本的文本图像块，所述卷积神经网络为使用混合深度卷积核结构构建的。

第三方面，本申请实施例提供了一种模糊判断模型训练方法，包括：

利用第二样本数据集中的文本图像块对待训练的模糊判断模型进行训练得到模糊判断模型；

其中，所述第一样本数据集中的文本图像块的尺寸均为预设尺寸，所述第一样本数据集包括第一类文本图像块和第二类文本图像块，所述第一类文本图像块为包括手写体文本的文本图像块，所述第二类文本图像块为包括印刷体文本的文本图像块，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。

第四方面，本申请实施例提供了一种文本检测装置，包括：

检测模块，用于对目标图像进行文本检测，获得至少一个文本区域；

分割模块，用于将每一所述文本区域进行分割获得至少一个文本图像块；

调整模块，用于将每一所述文本图像块的尺寸调整为预设尺寸；

输入模块，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。

第五方面，本申请实施例提供了一种分类模型训练装置，包括：

第一训练模块，用于利用第一样本数据集中的文本图像块对卷积神经网络进行训练得到分类模型；