[发明专利]一种文本分割方法、系统、设备以及介质

说明书

本发明公开了一种文本分割方法，包括以下步骤：构建目标图像集、源图像集、生成器和判别器；将目标图像集中的目标图像和源图像集中的源图像输入到生成器中，并利用生成器输出的数据训练判别器；响应于判别器训练完成，将目标图像集中的目标图像经过生成器输入到训练完成的判别器，以得到训练完成的判别器输出的数据；利用训练完成的判别器输出的数据训练生成器；响应于生成器训练完成，利用训练完成的生成器对输入的图像进行推理以得到输入的图像的文本分割结果。本发明还公开了一种系统、计算机设备以及可读存储介质。本发明提出的方案能够让自动合成数据训练出来的文本分割模型可以在现实场景中达到和训练时一样的精度。

技术领域

本发明涉及文本识别领域，具体涉及一种文本分割方法、系统、设备以及存储介质。

背景技术

光学字符识别(Optical Character Recognition,OCR)传统上指对输入扫描文档图像进行分析处理，识别出图像中文字信息。

对于OCR文本定位，目前的发展方向主要有两个方向，分别是对文本框的检测和文本框的分割。文本框的检测主要方法有fast-RCNN、SSD等方法，特点是处理速度快，对文本的多方向和正规文本检测有很高的的效率和精度，缺点是对弯曲文本检测效率不高。文本框的分割主要方法有pixelink、seglink等方法，特点是对弯曲文本有一定的检测精度，对文本的多方向和正规文本检测也有很高的效率和精度，缺点是运行的效率不及文本框的检测。而对于文本定位的数据集，分为规则数据集和不规则数据集。规则数据集包括IIIT5K-Words(IIIT)、Street View Text(SVT)等，其中规则数据集文本框标注清楚，且不存在模糊等现象。对于不规则数据集，则有ICDAR2015、SVT Perspective、CUTE80等数据集，有些图片由于拍摄角度和拍摄人员移动的关系，导致图片文本模糊不清，在文本分割中，由于OCR的数据集拍摄的图片数量不多、人工标注难度大且不精确等因素，因此经常需要自动合成数据集来进行训练，而自动合成数据集的图像往往很难达到不规则数据集那种模糊文本的效果，因此在训练后应用到现实场景中难免会导致精度较训练时精度有部分损失的现象。因此可以使用自动生成数据集的方法可以生成图像文本并进行训练，通过这种方式可以达到非监督训练OCR的目的，但是由于其标注的特殊性，带来了自动合成数据集和真实环境中的文本不相符的现象，从而导致在真实场景使用OCR时精度会出现部分损失较训练时精度。

由此可见，现有的基于自动生成数据集的方法训练OCR，可以达到非监督训练OCR的目的，但是自动合成的数据由于其具有较高的规则性，因此，处于文本边缘区域的像素对应的感受野的概率分布比较尖锐。对应较低的熵值，而在现实中，文本由于存在模糊或者噪声等因素的影响，在文本边缘区域具有平滑的概率分布，因此具有较高的熵值。因此自动合成数据集训练出来的OCR模型在实际应用中精度会有所降低。

发明内容

有鉴于此，为了克服上述问题的至少一个方面，本发明实施例提出一种文本分割方法，包括以下步骤：

构建目标图像集、源图像集、生成器和判别器；

将所述目标图像集中的目标图像和源图像集中的源图像输入到所述生成器中，并利用所述生成器输出的数据训练所述判别器；

响应于所述判别器训练完成，将所述目标图像集中的目标图像经过所述生成器输入到训练完成的所述判别器，以得到训练完成的所述判别器输出的数据；

利用所述训练完成的判别器输出的数据训练所述生成器；

响应于所述生成器训练完成，利用训练完成的所述生成器对输入的图像进行推理以得到所述输入的图像的文本分割结果。

在一些实施例中，构建目标图像集、源图像集，进一步包括：

将文本合成到多个不含文本的图像中以构建源图像集；

利用实际带有文本的多个图像构建目标图像集。