[发明专利]一种基于深度学习的自然场景下文字检测定位方法

摘要

本发明提供一种基于深度学习的自然场景下文字检测定位方法。基于Faster R‑CNN的RPN(多层卷积神经网络)，根据文字的特征信息，改变RPN中的anchor大小以及回归方式，并加入RNN网络层对图片上下文信息进行分析，构造一个能够有效地检测出文字的文字检测网络。另外，本发明采用聚类方法，设定anchor的大小。特别地，本发明使用困难样本挖掘进行级联训练，能够减少对于文字的误检率。在测试方面，本发明采用级联测试的方法，最终，准确高效的实现文字的定位。

主权项

1.一种基于深度学习的自然场景下文字检测定位方法，包括以下步骤：/n1)网络生成及训练：/n1-1)基于RPN网络，对测试图片设置条状备选框及回归方法，并引入RNN网络层，构造一个文字检测网络；/n1-2)通过聚类计算确定备选框的高度；1-3)对文字检测网络进行级联训练，在进行级联训练训练过程中改变随机挑选正负样本，引入困难样本挖掘，包括：/n首先，用随机正负样本把文字检测网络训练至收敛之后，把训练样本输入网络进行测试，得到训练样本的检测结果D1；/n其次，进行困难负例挖掘，找出容易误判的负样本，并固定住输入网络的部分负样本为这类困难负例，基于之前的文字检测网络继续训练至收敛，再次把训练样本输入网络测试，得到训练样本的检测结果D2；/n最后，进行困难正例挖掘，找出容易误判的正样本，并把困难正例作为优先填充的正样本输入网络，进行训练至收敛；/n2)文字定位检测：/n2-1)将测试图片输入文字检测网络，获得条形框形式的检测结果，对该检测结果做非极大值抑制，并从中挑选预测可能性分数大于一设定阈值的条形框；/n2-2)对挑选的条形框进行合并，构造出一文字框。/n