[发明专利]文本定位方法、装置、计算机可读存储介质和计算机设备

权利要求书

1.一种文本定位方法，包括：

获取发票图像；

通过多任务网络模型提取所述发票图像中的文本特征，确定所述发票图像的旋转方向的方向向量，所述多任务网络模型包括分类网络和边界确定网络；

通过所述边界确定网络基于各所述文本特征所在位置分别绘制文本框边界；

根据所述分类网络对所述文本特征分类，得到属于各文本类型的文本特征；

按照各所述文本类型对应的呈现方式生成用于表示所述文本特征在所述发票图像中的位置分布图，以及，按照所述文本框边界生成用于表示所述文本特征的边界图像；所述呈现方式表示不同所述文本类型对应的且在所述位置分布图中的图形标志不同；

按照所述方向向量对所述位置分布图和所述边界图像进行旋转校正，根据校正后的所述位置分布图和所述边界图像确定文本在所述发票图像中的位置。

2.根据权利要求1所述的方法，其特征在于，所述根据所述位置分布图和所述边界图像确定文本在所述发票图像中的位置之前，所述方法还包括：

按照预设尺寸调整所述文本特征对应的特征图的尺寸，得到调整后特征图；

对所述调整后特征图依次进行卷积和池化处理；

将池化处理后所得的特征图进行拉伸，得到一维特征向量；

将所述一维特征向量输入所述多任务网络模型的全连接层，并通过激活函数进行处理得到用于表示所述发票图像的旋转方向的方向向量。

3.根据权利要求1所述的方法，其特征在于，所述文本特征包括多个指定卷积层处理所得的多个文本特征；所述通过多任务网络模型提取所述发票图像中的文本特征包括：

对最后一层指定卷积层所得的文本特征进行上采样和至少两次卷积处理，得到中间文本特征；

将所述中间文本特征与上一层指定卷积层所得的文本特征融合，得到中间融合特征；

将所述中间融合特征图进行上采样和至少两次卷积处理，执行所述将所述中间文本特征与上一层指定卷积层所得的文本特征融合的步骤，直至将处理所得的中间文本特征与第一层指定卷积层所得的文本特征进行融合，得到融合后的文本特征。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

在获取到发票图像样本和对应的参考标签时，通过所述多任务网络模型提取所述发票图像样本的训练文本特征；

通过所述边界确定网络确定所述训练文本特征的训练文本框边界；

根据所述分类网络对所述训练文本特征进行分类，得到属于各文本类型的训练文本特征；

按照各所述文本类型对应的呈现方式生成用于表示所述训练文本特征在所述发票图像样本中的训练位置分布图，以及，按照所述文本框边界生成用于表示所述文本特征的训练边界图像；

根据所述训练位置分布图和所述训练边界图像确定文本在所述发票图像样本中的预测位置；

计算所述预测位置与所述参考标签之间的损失值，并通过所述损失值调整所述多任务网络模型中的参数，直至调整参数后的多任务网络模型所输出的预测位置符合位置条件。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：对所述发票图像样本进行滤波、图像增强、灰度调整、腐蚀操作、随机裁剪或随机旋转操作中的至少一种处理，以扩充发票图像样本的数量。