[发明专利]一种自然场景文字检测的方法

权利要求书

1.一种自然场景文字检测的方法，其特征在于，包括以下步骤：

步骤1，输入7200张待训练文字的图片；

步骤2，通过卷积层获取基本特征信息，通过池化层去除冗余信息和扩大感受野，并添加残差网络；

步骤3，添加通道注意力和感受野注意力优化特征信息；包括如下过程：

步骤31，首先通过ISTK模块来获取通道注意力和感受野注意力，ISTK模块对ResNet-50产生的2,3,4,5层的特征图进行处理，其公式如下：

其中：f_istk()表示通道和感受野注意力模块，表示通过ISTK模块以后生成的特征图；

步骤32，首先对特征图进行卷积处理公式如下：

K_i,λ＝f_conv,λ(F_i) λ＝{1,2,3}

其中K_i,λ代表不同大小的卷积核处理后的特征结果，f_conv,λ()代表不同大小卷积核的卷积操作；

将由不同卷积核大小运算而生成的特征图通过两个全连接层和池化层生成新的权重相关特征图，然后对新的权重相关特征图通过softmax计算其权重，具体公式如下：

其中w_i代表各个卷积核所产生的权重系数，softmax是一种计算权重的方式，f_fc()代表两个全连接操作，f_avg()代表平均池化操作,softmax具体计算方式如下：

其中w_i,λ代表第λ个卷积核第i个通道的权重，C_i,λ代表第i通道，第λ通道的注意力指数；

步骤33，根据生成的权重值和特征图即生成新的特征图，用如下公式表示：

其中sum()表示求和函数，代表第i个特征图的权重，将三者权重取和即获得经过注意力模块的特征图，其中表示新的特征图，relu()表示激活函数，具体为以下公式：

其中x代表被激活的值，f_relu(x)代表被激活后的值；

步骤34，对第二层添加NLNet为空间注意力模块，其公式表示为：

其中：代表对上一步第二层特征值进行卷积得到的结果，其中f_NLN()为全局联系网络模块，具体表示为以下公式：

其中c(x)表示归一化处理，f(x_i,x_j)表示为求的特征图i和j的联系，g(x_j)计算j点的特征值

步骤4，将网络分层来增强不同大小物体的检测能力，并生成目标点；

步骤5，对生成的内容进行级联，去除假阳性结果并获得最后文本区域；

步骤6，将级联后获得的文本区域与已经标记好的文本区域比对计算损失并调整网络参数；

步骤7，将需要检测的图片输入到训练好的网络中得到图片的检测结果。

2.根据权利要求1所述的一种自然场景文字检测的方法，其特征在于：步骤2包括如下过程：

步骤21，将输入的图片转化为n*n*3的特征图I，其中n为特征图长和宽，3为特征图的通道数；

步骤22，对步骤21得到的特征图I进行提取特征信息：

使用ResNet-50进行提取特征信息，ResNet-50有5个卷积模块，ResNet-50对输入特征信息处理表示为：

F＝Res₅₀(I)

其中I代表输入的图片通过处理变为n*n*3的特征图，Res₅₀()表示50层的残差网络，F表示通过ResNet-50处理过后的特征图，ResNet-50分为5个模块用以下公式表示：

F＝F_i i＝1,2,3,4,5

i＝1,2,3,4,5分别代表5个卷积模块，F_i表示各个模块的特征图。