[发明专利]场景文本检测方法、装置、设备及存储介质

权利要求书

1.一种场景文本检测方法，其特征在于，所述方法包括以下步骤：

将待检测图像通过FPNNet进行局部特征提取，得到一组特征图，所述特征图大小相等；

将所述一组特征图通过多头注意力机制处理，得到处理后的特征图；

将所述处理后的特征图进行卷积和转置得到概率图和阈值图，并根据所述概率图和阈值图进行预测，得到场景文本检测结果。

2.如权利要求1所述的方法，其特征在于，所述将待检测图像通过FPNNet进行局部特征提取，得到一组特征图，所述特征图大小相等，包括：

将待检测图像通过经过FPNNet自底向上的卷积操作与自顶向下的上采样，得到融合后的采样图；

将所述融合后的采样图进行卷积操作消除上采样的混叠效应，并对每层输出结果进行上采样，得到一组特征图。

3.如权利要求2所述的方法，其特征在于，所述将待检测图像通过经过FPNNet自底向上的卷积操作与自顶向下的上采样，得到融合后的采样图，包括：

将待检测图像分别按照预设卷积公式自底向上卷积处理，得到相对于原图不同大小比例的自底向上卷积处理特征图；

将待检测图像进行自顶向下进行上采样得到采样图，并将所述采样图与所述自底向上卷积处理相同大小特征图融合，得到融合后的采样图。

4.如权利要求1所述的方法，其特征在于，所述将所述一组特征图通过多头注意力机制处理，得到处理后的特征图，包括：

将所述一组特征图通过组自注意力机制平行计算，从输入信息中选取多个信息，其中每个注意力关注输入信息的不同部分；

对所述输入信息的不同部分进行Concat拼接，并通过与一个映射矩阵相乘，得到处理后的特征图。

5.如权利要求4中所述的方法，其特征在于，所述将所述一组特征图通过组自注意力机制平行计算，从输入信息中选取多个信息，其中每个注意力关注输入信息的不同部分，包括：

根据一组特征图中每个像素点对全局依赖的不同贡献，调整其在检测分类过程中的权重系数；

根据所述检测分类过程中的权重系数，选取输入信息中多个信息。

6.如权利要求1所述的方法，其特征在于，所述将所述处理后的特征图进行卷积和转置得到概率图和阈值图，并根据所述概率图和阈值图进行预测，得到场景文本检测结果，还包括：

将所述处理后的特征图经过一系列的卷积和转置卷积操作，得到概率图和阈值图，所述概率图和阈值图大小与待检测图像大小相等；

将所述概率图和阈值图按照可微分二值化方式处理，得到二值图；

将所述二值图进行训练得到最优的阈值，并根据最优的阈值和概率图，得到场景文本检测结果。

7.如权利要求6所述的方法，其特征在于，所述将所述概率图和阈值图按照可微分二值化方式处理，得到二值图，包括：

获取将概率图和阈值图中每一个像素点对应的坐标；

根据所述坐标、概率图以及对应阈值图按照预设计算的计算公式，得到二值图。

8.一种场景文本检测装置，其特征在于，所述场景文本检测装置包括：

特征提取模块，用于将待检测图像通过FPNNet进行局部特征提取，得到一组特征图，所述特征图大小相等；

处理模块，用于将所述一组特征图通过多头注意力机制处理，得到处理后的特征图；

检测模块，用于将所述处理后的特征图进行卷积和转置得到概率图和阈值图，并根据所述概率图和阈值图进行预测，得到场景文本检测结果。

9.一种场景文本检测设备，其特征在于，所述场景文本检测设备包括存储器、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场景文本检测程序，所述场景文本检测程序被所述处理器执行时实现如权利要求1至7中任一项所述的场景文本检测方法。

10.一种存储介质，其特征在于，所述存储介质上存储有场景文本检测程序，所述场景文本检测程序被处理器执行时实现如权利要求1至7中任一项所述的场景文本检测方法。