[发明专利]图像标注方法及装置、文字检测方法及系统、电子设备

说明书

本发明涉及一种图像标注方法及装置、文字检测方法及系统、电子设备，所述的图像标注方法包括步骤：获得待标注的文字只沿水平方向排列的文本图像和文字只沿竖直方向排列的文本图像；针对于每一个文本图像，分别对其中的文字段和字符进行位置标注，并将字符与相应的文字段进行绑定；利用字符位置信息和文字段与字符绑定的信息，按规则计算出同一文字段中相邻字符的连接区域；将高斯热力图仿射到字符位置和连接区域，作为置信度标签图。通过本发明方法对文本图像进行标注，然后再基于标注所得置信度标签图进行全卷积网络模型训练，所得的检测模型即可同时实现对文字水平和竖直排列的文本图像进行检测，无需训练两个模型，提高效率。

技术领域

本发明涉及图片文本检测技术领域，特别涉及一种图像标注方法及装置、文字检测方法及系统、电子设备。

背景技术

图片文本检测是OCR（Optical Character Recognition，光学字符识别）的前提，即识别图像中的文字，要先定位到文字在图中的位置。要解决的问题是如何在杂乱无序、不可穷举的复杂场景中准确地定位出文字的位置。深度学习使用效果更加鲁棒的高层语义特征，利用更多的数据去拟合更复杂、泛化能力更强的模型。近年来，基于深度学习的文本检测方法，在图片文本检测中取得了突破性进展。在基于深度学习的文本检测方法中，使用最广泛的是基于Region Proposal的方法，其次是基于图像分割的方法和基于联结文本建议网络的文本检测方法。

现有的基于图像分割的文本检测方法，一般是将文字段作为分割对象，或是将每一个字符作为分割对象。由于基于字符的分割不能满足后续文字识别时，检测端输出的目标文字图像是一整行文字或一整列文字，因此目前一般采用基于文字段的分割方式。基于文字段的分割就是将空间上连续的字符作为分割目标，可能是一句话，也可能是一个词。基于深度学习的文本检测首先要做的就是对文本图片中的文字段进行标注。目前基于文字段的分割方式存在以下缺陷：基于文字段标注的数据，在标注时很难界定要将哪几个字放到同一个目标框中，字与字之间的空白部分到底是属于文字还是不属于文字；图像上的每个字符和前后左右的字符距离都一样时，若使用水平排列的标注数据训练，进行文字检测时，会将这些文字按行检测出来，若使用竖直排列的标注数据训练，会将这些文字按列检测出来，因此使用基于文字段标注的数据训练得到的模型，即便是同一算法能支持任意方向的文字检测，也要分别训练两个模型，导致文字检测效率低。

发明内容

本发明的目的在于改善现有技术中所存在的需要分别训练两个模型才能实现分别对水平排列和竖直排列的文字段进行分割的缺陷，提供一种基于置信度热力图的文字检测方法及系统，只训练一种模型即可同时对两种排列方式的文字段进行分割。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一方面，本发明实施例中提供了一种文本图像标注方法，包括以下步骤：

获得待标注的文字只沿水平方向排列的文本图像和文字只沿竖直方向排列的文本图像；

针对于每一个文本图像，分别对其中的文字段和字符进行位置标注，并将字符与相应的文字段进行绑定；

针对于每一个文本图像，利用字符位置信息和文字段与字符绑定的信息，按规则计算出同一文字段中相邻字符的连接区域；

针对于每一个文本图像，使用一张同原图尺寸相同的空白图像给字符位置打分，使用另一张同原图尺寸相同的空白图像给连接区域打分，得分服从二维高斯分布，以这两张分数热力图作为标签。