[发明专利]一种基于深度学习的场景文字检测方法和系统

摘要

本发明公开了一种基于深度学习的场景文字检测方法，包括：获取主要数据集和补充数据集，并为主要数据集和补充数据集中的每幅图像生成训练标签，从补充数据集中选择N张图像，并将N张图像输入卷积神经网络模型，利用卷积神经网络中的卷积块对N张图像进行逐层特征融合，以得到N张图像中每个像素点的融合特征，计算N张图像中每个像素点的融合特征的分割损失值和回归损失值，使用Adam优化算法更新卷积神经网络的权重，并重复达到预定迭代次数，从而生成预训练好的卷积神经网络。本发明能解决现有场景文字检测方法中存在的无法检测倾斜文字、以及容易受到底层错误特征的干扰而导致检测准确率低的技术问题。

主权项

1.一种基于深度学习的场景文字检测方法，其特征在于，包括以下步骤：(1)获取主要数据集和补充数据集，并为主要数据集和补充数据集中的每幅图像生成训练标签，训练标签包括像素类型标签、以及包围框坐标偏移标签；(2)从步骤(1)中获取的补充数据集中选择N张图像，并将N张图像输入卷积神经网络模型，利用卷积神经网络中的卷积块ResStage4、ResStage3、ResStage2、ResStage1对N张图像进行逐层特征融合，以得到N张图像中每个像素点的融合特征；(3)根据以下公式计算步骤(2)得到的N张图像中每个像素点的融合特征的分割损失值和回归损失值：(4)使用Adam优化算法更新步骤(2)中卷积神经网络的权重，并重复上述步骤(2)和(3)达到预定迭代次数，从而生成预训练好的卷积神经网络。(5)从步骤(1)中获取的主要数据集中选择N张图像，并将N张图像输入步骤(4)预训练好的卷积神经网络模型，利用该卷积神经网络中的卷积块ResStage4、ResStage3、ResStage2、ResStage1对N张图像进行特征融合，以得到N张图像中每个像素点的融合特征；(6)计算步骤(5)得到的N张图像中每个像素点的融合特征的分割损失值和回归损失值：(7)使用Adam优化算法更新步骤(4)中预训练好的卷积神经网络的权重，并重复上述步骤(5)和(6)达到预定迭代次数，从而生成训练好的卷积神经网络。(8)获取场景文字图像，将获取的该场景文字图像输入步骤(7)中训练好的卷积神经网络中，从而得到该场景文字图像中每个像素点的类型(即文字像素和非文字像素)、以及属于文字类型的每个像素点与其所处包围框4个顶点坐标中每一个顶点坐标之间的偏移值。