[发明专利]一种文本位置确定方法、装置、电子设备和存储介质

权利要求书

1.一种文本位置确定方法，其特征在于，所述方法包括：

获取目标图片，其中，所述目标图片包括目标文本；

将所述目标图片输入至预先训练好的文本位置确定模型，得到所述目标图片的目标输出信息；

基于所述目标图片的目标输出信息确定所述目标文本在所述目标图片中的目标位置。

2.根据权利要求1所述的方法，其特征在于，在所述获取目标图片之前，所述方法还包括：

若所述文本位置确定模型不满足预先设置的收敛条件，则在图片样本库中提取一个样本作为当前样本；

使用所述当前样本对所述文本位置确定模型进行训练，重复执行上述操作，直到所述文本位置确定模型满足所述收敛条件。

3.根据权利要求2所述的方法，其特征在于，所述使用所述当前样本对所述文本位置确定模型进行训练，包括：

确定所述当前样本对应的样本标签；

将所述当前样本输入至所述文本位置确定模型，得到所述文本位置确定模型的输出信息；

基于所述文本位置确定模型的输出信息和所述样本标签计算所述文本位置确定模型的损失函数，并基于所述损失函数对所述文本位置确定模型中的模型参数进行调整。

4.根据权利要求3所述的方法，其特征在于，将所述当前样本输入至所述文本位置确定模型，得到所述文本位置确定模型的输出信息，包括：

将所述当前样本输入至所述文本位置确定模型，对所述当前样本进行特征提取融合，得到所述当前样本对应的多尺度信息特征；其中，所述多尺度信息特征包括所述当前样本的图像特征和文本特征；

对所述多尺度信息特征进行回归计算，得到所述文本特征在所述当前样本中的位置，并将所述位置确定为所述文本位置确定模型的输出信息。

5.根据权利要求4所述的方法，其特征在于，对所述当前样本进行特征提取融合，得到所述当前样本对应的多尺度信息特征，包括：

将所述当前样本输入进残差神经网络，通过所述残差神经网络对所述当前样本进行特征提取；

将提取出的特征构建为特征金字塔，并利用所述特征金字塔和所述残差神经网络对提取出的特征进行特征融合，得到所述当前样本的多尺度信息特征。

6.根据权利4所述的方法，其特征在于，对所述多尺度信息特征进行回归计算，得到所述文本特征在所述当前样本中的位置，包括：

将所述多尺度信息特征输入进直接回归网络，通过所述直接回归网络得到所述文本特征在所述当前样本中的候选位置；

将所述候选位置输入进边框回归网络，通过所述边框回归网络对所述候选位置进行位置修正，得到所述文本特征在所述当前样本中的位置。

7.根据权利要求6所述的方法，其特征在于，所述将所述候选位置输入进边框回归网络，通过所述边框回归网络对所述候选位置进行位置修正，得到所述文本特征在所述当前样本中的位置，包括：

获取所述候选位置中的角点位置；

基于通道-空间注意力机制确定所述角点位置的偏移量；

基于所述偏移量对所述候选位置进行位置修正，得到所述文本特征在所述当前样本中的位置。

8.一种文本位置确定装置，其特征在于，所述装置包括：

获取模块，用于获取目标图片，其中，所述目标图片包括目标文本；

输入模块，用于将所述目标图片输入至预先训练好的文本位置确定模型，得到所述目标图片的目标输出信息；

确定模块，用于基于所述目标图片的目标输出信息确定所述目标文本在所述目标图片中的目标位置。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一所述的文本位置确定方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的文本位置确定方法。