[发明专利]文本检测方法及装置、电子设备和存储介质

权利要求书

1.一种文本检测方法，其特征在于，包括：

对待检测图像进行特征提取，得到所述待检测图像对应的至少一个第一特征；

根据所述至少一个第一特征，预测所述待检测图像中的第一目标文本区域，以及预测所述第一目标文本区域对应的第一傅里叶特征；

根据所述第一傅里叶特征，通过执行傅里叶逆变换操作，得到所述第一目标文本区域对应的第一目标边界框。

2.根据权利要求1所述的方法，其特征在于，所述第一特征包括第一特征图；

所述根据所述至少一个第一特征，预测所述待检测图像中的第一目标文本区域，包括：

根据至少一个第一特征图，对所述待检测图像中的像素点进行第一分类，得到所述待检测图像中的第一初始文本区域；

根据所述至少一个第一特征图，对所述待检测图像中的像素点进行第二分类，得到所述待检测图像中的第一文本中心区域，所述第一文本中心区域位于所述第一初始文本区域的中心；

根据所述第一初始文本区域和所述第一文本中心区域，确定所述第一目标文本区域。

3.根据权利要求1或2所述的方法，其特征在于，所述第一特征包括第一特征图，所述第一傅里叶特征包括第一傅里叶特征向量；

所述根据所述至少一个第一特征，预测所述第一目标文本区域对应的第一傅里叶特征，包括：

根据至少一个第一特征图，预测所述待检测图像中各像素点对应的傅里叶特征向量；

根据所述各像素点对应的傅里叶特征向量和所述第一目标文本区域的位置，确定所述第一傅里叶特征向量。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一傅里叶特征，通过执行傅里叶逆变换操作，得到所述第一目标文本区域对应的第一目标边界框，包括：

通过对所述第一傅里叶特征向量执行傅里叶逆变换操作，得到所述第一目标文本区域对应的多个边界框；

通过对所述多个边界框执行非极大值抑制操作，得到所述第一目标边界框。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，所述文本检测方法通过文本检测神经网络实现。

6.根据权利要求5所述的方法，其特征在于，所述文本检测神经网络的训练样本包括：样本图像、所述样本图像中的标注文本区域、所述标注文本区域对应的标注傅里叶特征；

所述方法还包括：

通过初始神经网络对所述样本图像进行特征提取，得到所述样本图像对应的至少一个第二特征；

根据所述至少一个第二特征，预测所述样本图像中的第二目标文本区域，以及预测所述第二目标文本区域对应的第二傅里叶特征；

根据所述第二傅里叶特征，通过执行傅里叶逆变换操作，得到所述第二目标文本区域对应的第二目标边界框；

根据所述第二目标文本区域和所述标注文本区域确定第一检测损失，以及根据所述第二目标边界框和所述标注傅里叶特征，确定第二检测损失；

根据所述第一检测损失和所述第二检测损失，调整所述初始神经网络的网络参数，得到训练后的所述文本检测神经网络。

7.根据权利要求6所述的方法，其特征在于，所述训练样本中还包括所述标注文本区域对应的多个标注边界点；

所述方法还包括：

根据所述多个标注边界点，对所述标注文本区域进行边界点采样操作，得到多个采样边界点，相邻所述采样边界点之间的距离相同；

通过对所述多个采样边界点执行傅里叶变换操作，得到所述标注傅里叶特征。

8.根据权利要求7所述的方法，其特征在于，所述标注傅里叶特征包括标注傅里叶特征向量；

所述通过对所述多个采样边界点执行傅里叶变换操作，得到所述标注傅里叶特征，包括：

通过确定所述多个采样边界点中的初始采样边界点和各所述采样边界点之间的顺序，得到所述多个采样边界点对应的采样边界点序列；

通过对所述采样边界点序列执行傅里叶变换操作，得到所述标注傅里叶特征向量。