[发明专利]一种基于剪枝深度模型用于自然场景图像文本识别方法

权利要求书

1.一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于：包括以下步骤：

步骤S1：压缩Darknet53模型；

步骤S2：文本区域过滤和提取；

步骤S3：文本信息提取；

步骤S4：文本识别。

2.根据权利要求1所述的一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于：所述步骤S1包括：

①合并卷积层和BN层；

②引入比例因子γ，通道层次稀疏正则化；

③比例因子排序、剪枝。

3.根据权利要求1所述的一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于：所述步骤S2包括：

①对所有框的得分进行排序，选中最高分及其对应的框；

②遍历其余的框，如果和当前最高分框的重叠面积(IOU)大于一定阈值，就将会此框删除；

③从未处理的框中继续选一个得分高的，重复上述过程。

4.根据权利要求1所述的一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于：所述步骤S3包括：

①VGG16的前5个Conv stage得到feature map；

②用3*3的滑动窗口在前一步得到的feature map上提取特征，利用这些特征来对多个anchor进行预测,界定出目标待选区域：

③通过分类或回归得到的输出。

5.根据权利要求1所述的一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于：所述步骤S4包括：

①对bbox进行处理，首先要计算bbox的角度；

②选择bbox框出的部分，并裁剪出来；

③将bbox旋转到正确的方向，送入识别网络。

6.根据权利要求2所述的一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于：所述步骤S1:压缩Darknet53模型,具体步骤包括：在剪枝之前需要先对Yolo v3-Darknet 53网络结构进行修改——合并卷积层与BN层；为每个通道引入一个比例因子γ，它乘以该通道的输出；然后联合训练网络权重和这些比例因子，并对后者施加稀疏正则化；最后，修剪这些小因子通道，并调整修剪后的网络。

7.根据权利要求2所述的一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于:所述步骤S2，文本区域过滤和提取,具体步骤包括：首先过滤掉scores小于TEXT_PROPOSALS_MIN_SCORE的box,然后将scores展开排序，返回相应的index，将scores和boxes在水平方向上平铺，利用非极大抑制，将大于阈值的都淘汰掉，即过滤重复的box；非极大值抑制过程：(1)对所有框的得分进行排序，选中最高分及其对应的框；(2)遍历其余的框，如果和当前最高分框的重叠面积(IOU)大于一定阈值，就将会此框删除；(3)从未处理的框中继续选一个得分高的，重复上述过程。

8.根据权利要求2所述的一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于:所述步骤S3，文本信息提取,具体步骤包括：首先，用VGG16的前5个Conv stage得到feature map，用3*3的滑动窗口在前一步得到的feature map上提取特征，利用这些特征来对多个anchor进行预测,界定出目标待选区域；最后通过分类或回归得到的输出。

9.根据权利要求2所述的一种基于剪枝深度模型用于自然场景图像文本识别方法，其特征在于:所述步骤S4，文本识别,具体步骤包括：bbox进行处理，首先要计算bbox的角度，然后选择bbox框出的部分，并裁剪出来，最后把bbox旋转到正确的方向，送入识别网络；对每一个提取好的Feature map序列化，将每一个channel作为D＝512的时间序列输入到LSTM中。