[发明专利]基于级联卷积神经网络的自然场景图像文本检测方法

摘要

本发明公开了一种基于级联卷积神经网络的自然场景图像文本检测方法，首先利用最大稳定极值区域方法对输入图像进行候选字符提取；其次，将预训练好的16‑net卷积神经网络与32‑net卷积神经网络进行串联，组成一个级联卷积神经网络，并利用该级联卷积神经网络对候选字符进行分类，剔除候选字符中的非真实字符，得到最终的真实字符检测结果；然后，将字符检测结果中的相邻字符进行两两组对，并将存在共有字符的字符进行合并，直到所有字符对均被合并为止，得到文本行；最后根据字符间距将文本行分割为多个单词或词组，得到最终的文本检测结果。本发明有效解决了训练样本类别不平衡的问题，有效地提升了文本检测效率和性能。

主权项

一种基于级联卷积神经网络的自然场景图像文本检测方法，包括如下步骤：步骤1，利用最大稳定极值区域方法提取输入图像中的候选字符；步骤2，将预训练的16‑net卷积神经网络与32‑net卷积神经网络串联，组成一个级联卷积神经网络，并利用该级联卷积神经网络对候选字符进行分类，剔除候选字符中的非真实字符，得到最终的真实字符检测结果；其中，16‑net卷积神经网络的输入图像分辨率为16*16，通过该网络可以快速剔除候选字符中的大部分的非真实字符；32‑net卷积神经网络的输入图像分辨率为32*32，该网络对经过16‑net网络处理后的候选字符进行分类，得到最终的分类结果，是最终的真实字符检测结果；步骤3，将字符检测结果中的相邻字符进行两两组对；然后将存在共有字符的字符进行合并，直到所有字符对均被合并为止，此时得到文本行；最后再根据字符间距将文本行分割为多个单词或词组，从而得到最终的文本检测结果。