[发明专利]文字检测方法、装置、电子设备及存储介质

说明书

本申请实施例公开了一种文字检测方法、装置、电子设备及存储介质，所述方法包括：通过卷积神经网络对待检测图像提取多层级特征；对所述多层级特征进行回归，确定所述多层级特征中的初始文字框特征；根据所述多层级特征生成金字塔特征；根据所述初始文字框特征和所述金字塔特征，构建新的文字框特征；根据所述初始文字框特征，对所述新的文字框特征进行二次回归，得到文本框特征；合并所述文本框特征，得到所述待检测图像中的文字检测结果。本申请实施例在对多层级特征进行回归得到初始文字框特征的基础上，对新的文字框特征进行二次回归，提高了文本框边界的拟合准确性，从而提高文字检测结果的准确性。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种文字检测方法、装置、电子设备及存储介质。

背景技术

现有技术中，将特征金字塔网络应用到单次多框检测器(Single Shot MultiBoxDetector，SSD)框架，进行文字检测。如图1所示，在使用特征金字塔网络进行文字检测时，具体步骤为：由原始卷积神经网络通过自上而下的路径和横向连接，构建特征金字塔网络；将特征金字塔网络每层特征图1用于文字框分类(是否文字)和回归(框的中心位置以及相应尺寸)；将所有检测框做非极大值抑制，得到最终文字检测结果。

现有技术方案只对文字框进行单步回归，框的位置尤其是框的边界经常拟合不准确，导致检测结果不准确。

发明内容

本申请实施例提供一种文字检测方法、装置、电子设备及存储介质，以提高文字检测结果的准确性。

为了解决上述问题，第一方面，本申请实施例提供了一种文字检测方法，包括：

通过卷积神经网络对待检测图像提取多层级特征；

对所述多层级特征进行回归，确定所述多层级特征中的初始文字框特征；

根据所述多层级特征生成金字塔特征；

根据所述初始文字框特征和所述金字塔特征，构建新的文字框特征；

根据所述初始文字框特征，对所述新的文字框特征进行二次回归，得到文本框特征；

合并所述文本框特征，得到所述待检测图像中的文字检测结果。

可选的，所述根据所述初始文字框特征和所述金字塔特征，构建新的文字框特征，包括：

根据所述初始文字框特征，确定可变形卷积或可变形池化的偏移量；

根据所述偏移量，对所述金字塔特征进行可变形卷积或可变形池化，得到新的文字框特征。

可选的，所述根据所述初始文字框特征，确定可变形卷积或可变形池化的偏移量，包括：

将所述初始文字框特征降维为二维特征，得到所述可变形卷积或可变形池化的偏移量。

可选的，所述将所述初始文字框特征降维为二维特征，包括：

通过对所述初始文字框特征进行1×1卷积，将所述初始文字框特征降维为二维特征。

可选的，所述对所述多层级特征进行回归，确定所述多层级特征中的初始文字框特征，包括：

根据如下第一损失函数，对所述多层级特征进行回归，确定所述多层级特征中的初始文字框特征：

其中，L0为第一损失函数，L_conf为文字分类损失函数，L_loc为文字框位置及大小回归损失函数，y_s表示预定义框是文字的概率，c_s表示预定义框是否为文字框，s表示预定义框的初始位置，s′表示目标真实位置，N_s表示预定义框的数量；