[发明专利]一种图像文本检测方法、装置、系统及介质

说明书

本发明公开了一种图像文本检测方法、装置、系统及介质，方法包括：获取待检测文本图像，对所述待检测文本图像进行特征提取后输出共享文本特征图；根据所述共享文本特征图迭代生成覆盖所述共享文本特征图中全部文本区域的全覆盖文本候选框；根据所述全覆盖文本候选框估计所述共享文本特征图中全部文本区域的几何属性，并根据所述几何属性输出全部文本区域的文本定位检测结果。本发明实施例通过在提取共享文本特征图后通过迭代处理生成全覆盖的文本候选框，可满足任意形状和长文本的检测需求，有效提高了不规则文本图像的检测准确性。

技术领域

本发明涉及文本检测技术领域，尤其涉及一种图像文本检测方法、装置、系统及介质。

背景技术

场景文本检测由于其无处不在的现实应用，如场景理解、产品搜索和自动驾驶等，已经引起了学术界和工业界的广泛关注。文本检测是文本识别的前提，其质量将极大地影响文本识别的性能。

最近随着卷积神经网络的兴起，一般的目标检测算法都取得了良好的性能。然而，由于场景文本的特定属性，例如在颜色、比例、方向、纵横比和形状与一般对象明显不同，其中形状和长度对文本检测准确性影响较大，常用的卷积神经网络很难泛化性的检测到所有形状的文本，且过长的文本实例的大小远远超出检测器的文本接受域，无法编码足够的信息来捕获长时间的依赖关系，导致场景文本检测的准确性大大降低。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种图像文本检测方法、装置、系统及介质，旨在解决现有技术中场景文本检测准确性低的问题。

本发明的技术方案如下：

一种图像文本检测方法，其包括如下步骤：

获取待检测文本图像，对所述待检测文本图像进行特征提取后输出共享文本特征图；

根据所述共享文本特征图迭代生成覆盖所述共享文本特征图中全部文本区域的全覆盖文本候选框；

根据所述全覆盖文本候选框估计所述共享文本特征图中全部文本区域的几何属性，并根据所述几何属性输出全部文本区域的文本定位检测结果。

所述的图像文本检测方法中，所述对所述待检测文本图像进行特征提取后输出共享文本特征图，包括：

将所述待检测文本图像输入至具有残差模块的特征提取网络中；

通过所述具有残差模块的特征提取网络对所述待检测文本图像进行多次下采样与特征融合后输出共享文本特征图。

所述的图像文本检测方法中，所述通过所述具有残差模块的特征提取网络对所述待检测文本图像进行多次下采样与特征融合后输出共享文本特征图，具体包括：

通过所述具有残差模块的特征提取网络对所述待检测文本图像进行多次下采样，每次下采样均经过预设大小的卷积核进行卷积运算，得到具有最小核值的共享文本特征图。

所述的图像文本检测方法中，所述根据所述共享文本特征图迭代生成覆盖所述共享文本特征图中全部文本区域的全覆盖文本候选框，包括：

对所述共享文本特征图进行文本候选框预测后输出初级文本候选框；

对所述初级文本候选框进行迭代优化处理后输出覆盖所述共享文本特征图中全部文本区域的全覆盖文本候选框。

所述的图像文本检测方法中，所述对所述初级文本候选框进行迭代优化处理后输出覆盖所述共享文本特征图中全部文本区域的全覆盖文本候选框，包括：

对所述初级文本候选框进行感兴趣区域转换后获得所述初级文本候选框对应的特征块；