[发明专利]基于深度强化学习的场景文本检测方法及系统

权利要求书

1.基于深度强化学习的场景文本检测方法，其特征在于：所述方法包括：

训练一个特征提取网络；其中，所述特征提取网络为场景文本图像特征提取的深度卷积神经网络；

训练一个决策网络；其中，所述决策网络为拟合强化学习Q值函数的神经网络；

通过特征提取网络和决策网络定位待检测图像上场景文本的位置；

所述训练一个决策网络，具体包括：

设计决策网络的动作策略；

根据动作策略，设计决策网络的奖罚策略；

根据动作策略和奖罚策略，设计决策网络的结构；

以深度强化学习的方式训练决策网络；

所述设计决策网络的动作策略，具体包括：

以定位框左上角端点与右下角端点为基准点，两个端点各有五种动作：向上、下、左、右移动以及不动，向左或向右移动的幅度为当前定位框宽度的1/6倍，向上或向下移动的幅度是当前定位框的高度的1/6倍，两个端点各有五种动作，最后组合成定位框的二十五种动作，其中两个端点都不动的动作为最后的确认动作，表示定位框已找到目标，停止移动，而其他动作则都会改变定位框在图像上的大小与位置。

2.根据权利要求1所述的基于深度强化学习的场景文本检测方法，其特征在于：所述训练一个特征提取网络，具体包括：

确定特征提取网络的结构；

对原图像进行切割，得到包含场景文本的正样本图像以及只有原图背景的负样本图像，构造特征提取网络的数据集；

以二分类模型的方式训练特征提取网络。

3.根据权利要求2所述的基于深度强化学习的场景文本检测方法，其特征在于：所述对原图像进行切割，得到包含场景文本的正样本图像以及只有原图背景的负样本图像，构造特征提取网络的数据集，具体包括：

对于每一张待切割图像，设置切割的样本宽度为当前图像宽度的0.75倍，样本高度为当前图像高度的0.75倍，且样本宽度和样本高度分别不超过640和480，然后从图像左上角开始切割出等间隔的二十五个样本，分为五行，每行五个，最后筛选出和所有目标都不重叠的样本，即为数据集的负样本；

对于每一张待切割图像，设置切割的样本宽度为当前图像宽度的0.75倍，样本高度为当前图像高度的0.75倍，且样本宽度和样本高度分别不超过640和480，然后对于当前图像的每一个目标，切割出五张样本，并且该目标分别在这五张样本的左上、左下、右上、右下和中间部位，由此得到的样本成为数据集的正样本。

4.根据权利要求1所述的基于深度强化学习的场景文本检测方法，其特征在于：所述根据动作策略，设计决策网络的奖罚策略，具体包括：

设计移动奖罚策略：基于移动前后定位框与目标的重叠程度，如果移动之后当前定位框与目标的重叠程度增大，则决策网络获得+1的正反馈，否则将获得-1的负反馈；

设计确认动作奖罚策略：如果决策网络作出确认动作时，当前定位框与目标的重叠程度已达到设置的阈值，则获得+3的正反馈，否则获得-3的负反馈；

设计懒惰惩罚策略：当决策次数已经达到每张图像单回合的次数上限，如果该动作仍不是确认，则不考虑当前定位框与目标的重叠程度的变化情况，该动作直接获得-3的负反馈。

5.根据权利要求4所述的基于深度强化学习的场景文本检测方法，其特征在于：所述根据动作策略和奖罚策略，设计决策网络的结构，具体包括：

将当前定位框的状态向量作为决策网络的输入；其中，所述当前定位框的状态向量包括特征提取网络提取的整图特征信息、特征提取网络提取的当前定位框内图像区域特征信息以及历史动作向量，历史动作向量记录在当前图像当前回合上做过的所有动作决策，从而实现记忆机制并协助实现懒惰惩罚。