[发明专利]检测自然场景图像中的文本的位置的方法和装置

说明书

公开了一种检测自然场景图像中的文本的位置的方法和装置。该方法包括：将自然场景图像输入到卷积神经网络；根据卷积神经网络中的每个选定层的输出特征图的大小对卷积神经网络的输出层的输出特征图执行相应的上采样；基于每个选定层的输出特征图和输出层的输出特征图的相应的上采样的结果来生成每个选定层的输出特征图的相应的检测特征图；获得每个检测特征图的与文本的位置有关的一个或多个区域建议框；以及使用每个区域建议框的置信度作为权重来计算所有的区域建议框的坐标的加权平均。通过该方法和装置能够以高召回率检测自然场景图像中的文本的位置。

技术领域

本公开总体上涉及人工智能的技术领域，并且具体地涉及检测自然场景图像中的文本的位置的方法和装置。

背景技术

自然场景图像可能包含丰富的文本信息，这样的文本信息对于理解由自然场景图像所表现的内容往往非常重要。提取和识别这些文本信息首先需要准确地检测出文本在自然场景图像中的确切位置。期望能够以高召回率检测出文本在自然场景图像中的位置。

发明内容

一方面，提供了一种检测自然场景图像中的文本的位置的方法，该方法可以包括：将自然场景图像输入到卷积神经网络；根据卷积神经网络中的每个选定层的输出特征图的大小对卷积神经网络的输出层的输出特征图执行相应的上采样；基于每个选定层的输出特征图和输出层的输出特征图的相应的上采样的结果来生成每个选定层的输出特征图的相应的检测特征图；获得每个检测特征图的与文本的位置有关的一个或多个区域建议框；以及使用每个区域建议框的置信度作为权重来计算所有的区域建议框的坐标的加权平均，以确定文本在自然场景图像中的位置。

另一方面，还提供了一种检测自然场景图像中的文本的位置的装置，该装置可以包括被配置为执行上述方法的一个或多个处理器。

另一方面，还提供了一种非临时性存储介质，在其上存储有程序指令，该程序指令在被执行时执行上述方法。

另一方面，还提供了一种检测自然场景图像中的文本的位置的装置，该装置可以包括：特征提取器，被配置为基于卷积神经网络来提取自然场景图像中与文本的位置有关的特征；上采样器，被配置为根据卷积神经网络中的每个选定层的输出特征图的大小对卷积神经网络的输出层的输出特征图执行相应的上采样；检测特征图生成器，被配置为基于每个选定层的输出特征图和输出层的输出特征图的相应的上采样的结果来生成每个选定层的输出特征图的相应的检测特征图；区域建议框获取器，被配置为获得每个检测特征图的与文本的位置有关的一个或多个区域建议框；以及定位器，被配置为使用每个区域建议框的置信度作为权重来计算所有的区域建议框的坐标的加权平均，以确定文本在自然场景图像中的位置。

通过根据本公开的实施例的方法和装置，能够以高召回率检测自然场景图像中的文本的位置。

附图说明

图1示出根据本公开的实施例的用于检测自然场景图像中的文本的位置的示例方法的流程图。

图2示出根据本公开的实施例的用于检测自然场景图像中的文本的位置的网络系统的示例。

图3示出根据本公开的实施例的注意力控制网络中的结合块的示例。

图4示出根据本公开的实施例的注意力控制网络中的结合块的示例。

图5示出根据本公开的实施例的注意力控制网络中的结合块的示例。

图6示出根据本公开的实施例的衔接网络中的衔接块的示例。

图7示出根据本公开的实施例的衔接网络的示例。

图8示出根据本公开的实施例的衔接网络的示例。

图9示出根据本公开的实施例的衔接网络的示例。

图10示出根据本公开的实施例的衔接网络的示例。