[发明专利]一种自然场景文字检测的方法

说明书

本发明公开了一种自然场景文字检测的方法，属于文字检测方法技术领域。该方法包括以下步骤：1，输入7200待训练文字的图片；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。3，添加通道注意力和感受野注意力来优化特征信息。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。5，对生成的内容进行级联以去除假阳性结果并获得最后文本区域。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。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。本发明通过感受野注意力和空间注意力，能够提升模型的召回率和准确率。通过最后的级联模块，能够去除假阳性的结果。

技术领域

本发明涉及一种自然场景文字检测的方法，属于文字检测方法技术领域。

背景技术

近年来移动设备和自动驾驶的高速发展让文字检测受到大家关注，对于出国旅游等情况，需要拍摄文字转化为文本日益成为需要，自然场景中文字理解受到越来越多的关注，由于自然场景中语言方向可能不同，且不同于书本出现的文字，可能出现弯曲的情况，自然场景文本检测仍然具有挑战性。如何解决多语言文本，文字弯曲且多方向带来的检测问题亟待解决。

发明内容

针对现有文字检测方法中对于感受野注意力模块研究有所欠缺，本发明提出了一种自然场景文字检测的方法，通过多维度注意力模块来增强特征信息且添加级联结构帮助去除假阳性结果。

本发明为解决其技术问题采用如下技术方案：

一种自然场景文字检测的方法，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；

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。

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。

步骤3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对ResNet-50产生的2,3,4,5层的特征图进行处理，其公式如下：