[发明专利]一种识别图像中PPT边框的方法及相关设备

权利要求书

1.一种识别图像中PPT边框的方法，其特征在于，包括步骤：

A、获取含有PPT文档的多个图像帧；

B、将所述多个图像帧输入预设神经网络模型的卷积层中进行图像帧特征层的提取，输出得到所述多个图像帧的特征图；

C、将各个所述特征图输入到所述预设神经网络模型中的RPN候选区域提取网络中进行矩形区域候选框的提取，输出提取到矩形区域候选框的特征图；

D、将所述提取到矩形区域候选框的特征图输入到所述神经网络模型中的深度卷积神经网络中进行图像语义分割，得到分割出的PPT区域；

E、根据所述特征图中提取出的矩形区域候选框和分割出的PPT区域得到PPT边框；

所述卷积层为VGGnet网络结构，其中插入有若干层Dropout层；

所述步骤C还包括：

C1、对所述RPN候选区域提取网络中提取出的矩形区域候选框进行二分类，获取含有矩形区域候选框的特征图

步骤C2、利用若干个回归模型对所述图像帧中的矩形区域候选框进行位置和大小的调整；

C3、将所述特征图输入到全连接层中，输出图像特征向量；

C4、利用softmax函数对所述图像特征向量进行分类，分类出矩形区域候选框所属图像特征向量，并利用边框回归算法对分类出的所述图像特征向量对应的边框位置进行调整。

2.根据权利要求1所述的识别图像中PPT边框的方法，其特征在于，所述步骤D中图像语义分割包括：

D1、对所述图像上的每个像素值进行分类检测，将属于PPT区域分类的像素进行掩码。

3.根据权利要求1所述的识别图像中PPT边框的方法，其特征在于，所述深度卷积神经网络的结构依次包括:卷积层、激活层、若干个卷积层-归一化层-激活层和卷积层。

4.根据权利要求3所述的识别图像中PPT边框的方法，其特征在于，所述步骤A之前，还包括：

A0、基于条件随机场算法构建所述深度卷积神经网络。

5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。