[发明专利]场景文本检测方法、装置、设备及存储介质

说明书

本发明涉文本检测领域，尤其涉及一种场景文本检测方法、装置、设备及存储介质，该方法包括：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，从而有效地提升了模型对图像中的文本检测能力。

技术领域

本发明涉及文本检测领域，尤其涉及一种场景文本检测方法、装置、设备及存储介质。

背景技术

在场景文本检测问题上，对于复杂场景下文本内容漏检、小文本内容检测不全、弯曲文本无法检测等不足，处理输入数据时更加关注有用的信息，抑制噪声和无关信息。因此，如何有效地提升模型对图像中的文本检测能力成为当前亟待解决的技术问题；

但目前TextBoxes在文本检测任务中修改了基于SSD的锚和卷积核的规模；TextBoxes++和DMPNet应用四边形回归检测多方向文本；SSTD提出了一种注意机制来大致识别文本区域。以上都是基于回归的方法，然而，它们通常采用简单的后处理算法，都不能准确表示不规则形状如曲线形状的文本边界框。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种场景文本检测方法、装置、设备及存储介质，旨在解决现有技术中难以有效地提升模型对图像中的文本检测能力的技术问题。

为实现上述目的，本发明提供一种场景文本检测方法，所述场景文本检测方法包括以下步骤：

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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。