[发明专利]一种基于自适应特征选择和尺度损失函数的文本检测方法

说明书

本发明公开了一种基于自适应特征选择和尺度损失函数的文本检测方法包括：利用主干网络获取图像中的文本特征，并通过特征金字塔网络进行基础特征的提取；利用自适应特征选择，从所述基础特征中提取更具有代表性的特征信息；利用渐进式扩张算法将所述具有代表性的特征信息进行分割、扩展，并获得最终检测结果。本发明将可形变卷积应用到具有一定几何变形的文本上，使得网络可以适应任意的文本形状，能检测不同大小的文本；还能提取更加丰富、准确的特征，解决了图像中文本尺度变化较大的问题，有效减少误检。

技术领域

本发明计算机视觉、文本检测的技术领域，尤其涉及一种基于自适应特征选择和尺度损失函数的文本检测方法。

背景技术

文字是表达信息的重要方式，其广泛存在于自然场景图像中，例如随处可见的路标、车标、商品名称等，文本相较于自然场景中其他的内容(例如：树木、行人)可以传达更丰富的信息，准确地识别图像中的文本将有助于场景的分析与理解，而文本检测作为文本识别的重要前提，显得更为重要。

文本检测技术在智能交通系统、视障人群导盲、图像/视频检索等方面的重要应用促使文本检测方法成为计算机视觉的一个研究热点。目前大部分文本检测方面的研究都是基于深度学习的，这些方法主要分为两种：第一种是基于回归的方法，另外一种是基于分割的方法。基于回归的方法一般来说是对一般的目标检测方法的改进，来成功的定位矩形或者四边形边界框的文本。但这类方法对于弯曲文本的检测效果不好。而基于分割的文本检测方法对任意形状的文本可以进行检测，但准确率有待进一步地提高。

目前，大多数的文本检测算法仍然存在三个局限性。第一，传统的卷积只有固定的感受野，无法适应文本的多种形状，对任意形状文本的检测效果不太好。第二，自然场景中有很多和文本长得类似的物体，例如栏杆、圆盘等，这会对模型的拟合产生难度，容易有很多非文本的物体被检测成文本，造成误检。第三，由于拍摄的角度和文本实例本身大小差距带来的文本尺度多样性也给检测带来了极大的难度，过小或者过大的文本很难同时被检测出。

因此，针对上诉的三个局限性，需要提出一种新的文本检测模型，使得网络可以适应任意的文本形状，能检测不同大小的文本。同时，还能提取更加丰富、准确的特征，有效减少误检。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有文本检测过程中存在的问题，提出了本发明。

因此，本发明解决的技术问题是：传统的卷积只有固定的感受野，无法适应文本的多种形状，对任意形状文本的检测效果较差；传统卷积在检测自然场景时，会对模型的拟合产生难度，容易有很多非文本的物体被检测成文本，造成误检；过小或者过大的文本无法同时被检测出。

为解决上述技术问题，本发明提供如下技术方案：利用主干网络获取图像中的文本特征，并通过特征金字塔网络进行基础特征的提取；利用自适应特征选择，从所述基础特征中提取更具有代表性的特征信息；利用渐进式扩张算法将所述具有代表性的特征信息进行分割、扩展，并获得最终检测结果。

作为本发明所述的基于自适应特征选择和尺度损失函数的文本检测方法的一种优选方案，其中：所述利用主干网络获取图像中的文本特征包括，所述主干网络选取可形变卷积网络，在网络的最后三个阶段，使用3*3的可形变卷积代替一般的卷积，以适应物体的几何形状。