[发明专利]从图像中提取文本区域的方法、装置、设备和存储介质

权利要求书

1.一种从图像中提取文本区域的方法，包括：

获取包含有文本区域的图像；

在对所述图像进行逐层卷积的特征提取处理后，得到多个特征图谱；每个特征图谱包含有与所述文本区域对应的特征；分别对所述多个特征图谱中的特征进行压缩，得到对应的压缩特征；将达到预设条件的压缩特征作为目标压缩特征；利用预先训练到的第一权重，对所述目标压缩特征进行加权处理；利用加权处理后的目标压缩特征，对对应的特征图谱中与所述文本区域对应的特征进行增强处理，得到对应的第一增强特征；

在对所述第一增强特征进行逐层反卷积的特征还原处理后，获取预先训练到的第二权重；从所述第二权重中挑选大于或等于预设值的权重；利用所挑选的权重，对与所述文本区域对应的特征进行增强处理，得到对应的第二增强特征；

将同个层次的第一增强特征和第二增强特征进行融合，得到融合特征；

根据所述融合特征，从所述图像中提取所述文本区域。

2.根据权利要求1所述的方法，其特征在于，

在所述利用预先训练到的第一权重，对所述目标压缩特征进行加权处理的步骤之前，还包括：

获取多个第一样本；所述第一样本为用于进行训练的图像；

在利用ResNet50骨架网络的卷积层对所述多个第一样本进行卷积处理后，将卷积处理后的多个第一样本输入至ResNet50骨架网络的第一SENet block模块中，对所述第一SENetblock模块进行训练，将得到的所述第一SENet block模块的权重作为第一权重；

或，

在所述利用预先训练到的第一权重，对所述目标压缩特征进行加权处理的步骤之前，还包括：

获取多个第二样本；所述第二样本为用于进行训练的图像；

在利用MobileNet骨架网络的卷积层对所述多个第二样本进行卷积处理后，将卷积处理后的多个第二样本输入至MobileNet骨架网络的第二SENet block模块中，对所述第二SENet block模块进行训练，将得到的所述第二SENet block模块的权重作为第一权重。

3.根据权利要求1所述的方法，其特征在于，在所述获取预先训练到的第二权重的步骤之前，还包括：

获取多个第三样本；所述第三样本为用于进行训练的图像；

在利用反卷积层对各个第三样本进行反卷积处理后，将反卷积处理后的各个第三样本输入Attention模块中，对所述Attention模块进行训练，得到所述第二权重。

4.根据权利要求1所述的方法，其特征在于，在所述根据所述融合特征，从所述图像中提取所述文本区域的步骤之后，还包括：

利用非极大值抑制算法，对非相邻的文本区域进行聚合处理；

将聚合处理后的文本区域作为目标文本区域；所述目标文本区域为用于进行识别处理的文本区域。

5.根据权利要求4所述的方法，其特征在于，在所述将聚合处理后的文本区域作为目标文本区域的步骤之后，还包括：

获取预先训练的文本识别模型；

通过所述文本识别模型对所述目标文本区域进行识别处理，得到所述图像中的文本。

6.一种从图像中提取文本区域的装置，包括：

图像获取模块，用于获取包含有文本区域的图像；

第一增强模块，用于在对所述图像进行逐层卷积的特征提取处理后，得到多个特征图谱；每个特征图谱包含有与所述文本区域对应的特征；分别对所述多个特征图谱中的特征进行压缩，得到对应的压缩特征；将达到预设条件的压缩特征作为目标压缩特征；利用预先训练到的第一权重，对所述目标压缩特征进行加权处理；利用加权处理后的目标压缩特征，对对应的特征图谱中与所述文本区域对应的特征进行增强处理，得到对应的第一增强特征；

第二增强模块，用于在对所述第一增强特征进行逐层反卷积的特征还原处理后，获取预先训练到的第二权重；从所述第二权重中挑选大于或等于预设值的权重；利用所挑选的权重，对与所述文本区域对应的特征进行增强处理，得到对应的第二增强特征；

特征融合模块，用于将同个层次的第一增强特征和第二增强特征进行融合，得到融合特征；

文本区域提取模块，用于根据所述融合特征，从所述图像中提取所述文本区域。