[发明专利]一种基于轮廓建模的文本检测方法

说明书

本发明公开了一种基于轮廓建模的文本检测方法，其步骤包括：首先收集包含文字的图片并进行人工标注，建立用于文本检测的图片数据集；接着构建基于轮廓建模的文本检测模型；然后运行基于轮廓建模的文本检测模型，得到文本轮廓预测结果与文本坐标偏移预测结果；最后进行后处理，得到每一个文本的外接多边形。本发明能够检测任意形状的文本，具有鲁棒性高，速度快的优点。

技术领域

本发明涉及涉及文字检测领域的相关问题，具体涉及一种基于轮廓建模的文本检测方法。

背景技术

文字检测领域中，目前最常用的算法都是基于深度学习的方法：主要有两种方法，一种是基于分割的方法，一种是基于检测的方法；前者可以检测任意形状文本，但相邻的文本难以区分，且后处理复杂；后者流程简单，但不能检测任意形状，且受到感受野的限制，对于长文本效果不佳。

发明内容

本发明克服了现有技术的不足之处，提供一种基于轮廓建模的文本检测方法，以期通过轮廓预测来确定文本实例，从而提升文字检测的准确率与鲁棒性。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于轮廓建模的文本检测方法的特点在于，包括以下步骤：

步骤1：收集包含文字的图片并进行人工标注，从而建立用于文本检测的图片数据集；

步骤2：构建基于轮廓建模的文本检测模型，包括：特征提取模块Backbone，特征融合模块FFM，文本轮廓预测模块CM，文本坐标偏移预测模块OM；

所述特征提取模块Backbone，包含：4组BasicBlock层、一个卷积层与5个最大池化层；每组BasicBlock层由3M个卷积组成；

所述特征融合模块FFM，包含8个卷积层，4个上采样层；

所述文本轮廓检测模块CM，包含N+1个卷积层；

所述文本坐标偏移预测模块OM，包含N+1个卷积层；

步骤3：运行基于轮廓建模的文本检测模型；

步骤3.1：将所述图片数据集的一张图片X送入所述特征提取模块Backbone中，先经过一个卷积层及最大池化层处理后，再输入4组BasicBlock层中，且每经过1组BasicBlock层的3M个卷积层处理后，再经过一个最大池化层的下采样处理，从而在经过4个BasicBlock层以及4个最大池化层处理后，得到四个特征图F₁、F₂、F₃、F₄，其尺寸分别为其中，H和W是背景图片X的高与宽；

其中，利用式(1)得到第一个最大池化层的下采样后的输出Out₁：

Out₁＝MaxPool(Conv₁(X)) (1)

式(1)中，Conv₁(·)表示第一卷积操作，其卷积核的输出通道数为C；MaxPool(·)表示步长为2的最大池化层；

利用式(2)得到第1组BasicBlock层的输出F₁：

F₁＝MaxPool(ConvBlock₁(Out₁)) (2)

式(2)中，ConvBlock₁(·)表示第1组BasicBlock层的3M个卷积操作，其卷积核的输出通道数为C；

利用式(3)得到第2组BasicBlock层的输出F₂：