[发明专利]文本定位方法、装置、计算机系统和可读存储介质

说明书

本公开提供了一种文本定位方法、装置、计算机系统和计算机可读存储介质。其中，文本定位方法包括：获取待定位文本图像；将待定位文本图像输入分割网络模型，输出第一特征图和第二特征图；根据第一特征图确定待定位文本图像中文本内容的至少一个初始区域；根据第二特征图确定待定位文本图像中文本内容的边界；以及根据文本内容的边界和至少一个初始区域确定文本内容的目标定位区域。

技术领域

本公开涉及计算机视觉技术领域，更具体地，涉及一种文本定位方法、装置、计算机系统和计算机可读存储介质。

背景技术

计算机视觉技术是一种涉及人工智能、图像处理和模式识别等诸多领域的技术。光学符号识别技术(OCR)是利用计算机视觉技术将图像中的文字信息提取并转换为人和计算机可以理解的文本，而文本定位方法是影响OCR中信息提取的关键。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题，基于分割的文本检测方法比较灵活，但是对于长文本在文本检测时容易产生检测框断开的情况，导致字符被分割，文本定位不准确，进而影响识别结果。

发明内容

有鉴于此，本公开提供了一种文本定位方法、装置、计算机系统和计算机可读存储介质。

本公开的一个方面提供了一种文本定位方法，包括：获取待定位文本图像；将所述待定位文本图像输入分割网络模型，输出第一特征图和第二特征图；根据所述第一特征图确定所述待定位文本图像中文本内容的至少一个初始区域；根据所述第二特征图确定所述待定位文本图像中文本内容的边界；以及根据所述文本内容的边界和所述至少一个初始区域确定所述文本内容的目标定位区域。

根据本公开的实施例，上述的文本定位方法，还包括：所述分割网络模型通过如下方式训练得到：获取具有第一特征图输出通道和第二特征图输出通道的训练模型，其中，所述第一特征图输出通道对应第一损失函数，所述第二特征图输出通道对应第二损失函数；获取标注有角点坐标的文本图像训练集，其中，所述文本图像训练集中每帧文本图像的角点坐标用于确定所述文本图像中文本内容的真实文本区域和真实文本边界；将所述文本图像训练集中的文本图像输入所述训练模型；通过所述第一特征图输出通道输出预测文本区域；通过所述第二特征图输出通道输出预测文本边界；将所述真实文本区域和所述预测文本区域输入所述第一损失函数，得到第一损失值；将所述真实文本边界和所述预测文本边界输入第二损失函数，得到第二损失值；根据所述第一损失值调整所述第一特征图输出通道的模型参数，根据所述第二损失值调整所述第二特征图输出通道的模型参数，直到所述第一损失函数和所述第二损失函数收敛；以及在所述第一损失函数和所述第二损失函数收敛的情况下，将当前得到的训练模型作为所述分割网络模型。

根据本公开的实施例，通过所述第一特征图输出通道输出预测文本区域包括：根据所述角点坐标得到第一输出边界；将所述第一输出边界向内收缩第一预设数量的像素后得到第二输出边界；以及将所述第二输出边界内的区域作为所述预测文本区域。

根据本公开的实施例，通过所述第二特征图输出通道输出预测文本边界包括：根据所述角点坐标得到第一输出边界；将所述第一输出边界向内收缩所述第一预设数量的像素后得到第二输出边界；以及将所述第一输出边界和所述第二输出边界之间的区域作为所述预测文本边界。

根据本公开的实施例，根据所述第一损失值调整所述第一特征图输出通道的模型参数，根据所述第二损失值调整所述第二特征图输出通道的模型参数，直到所述第一损失函数和所述第二损失函数收敛还包括：为所述第一损失函数设置第一系数，其中，所述第一系数表征在训练所述训练模型的过程中所述第一损失函数的比例；为所述第二损失函数设置第二系数，其中，所述第二系数表征在训练所述训练模型的过程中所述第二损失函数的比例，所述第一系数加上所述第二系数等于1；以及调节所述第一系数和所述第二系数的值，直至所述第一损失函数和所述第二损失函数收敛。