[发明专利]刻蚀字符识别网络训练样本增广方法

说明书

本发明公开了一种刻蚀字符识别网络训练样本增广方法，属于图像处理技术及深度学习领域。该方法包括以下步骤：采集场景中的刻蚀字符图像；根据刻蚀字符图像生成内容图像和风格图像；构建双向生成对抗网络；训练双向生成对抗网络；将内容图像和风格图像输入至训练好的双向生成对抗网络，生成刻蚀字符图像。本发明通过生成对抗网络生成大量刻蚀字符图像，在样本规模小的情况下依旧可以获得充足的训练样本，相比较于人工采集样本更加快速高效，且生成的刻蚀字符图像更逼真，提高了利用深度学习方法识别刻蚀字符的精度。

技术领域

本发明属于图像处理技术及深度学习领域，特别涉及一种刻蚀字符识别网络训练样本增广方法。

背景技术

刻蚀字符识别常见于工业设备标牌中的文本识别，是场景文本识别的难点之一。工业设备标牌通常为金属材质且部分放置于户外环境中，因此标牌图像中常常存在着反光、污渍、模糊、划痕等退化情况，这为刻蚀字符的识别带来了诸多困难。

使用深度学习的方法识别刻蚀字符需要大量数据训练字符识别模型以满足模型的泛化能力，在样本规模小的情况下训练出的模型容易出现过拟合的现象。在刻蚀字符识别的研究中，特定场景下可以采集的刻蚀字符图像数量小，样本数据匮乏问题严重，无法满足深度学习的需求。此外，样本的采集和整理消耗大量人力物力，仅靠人工收集整理样本效率非常低。因此，使用深度学习的方法识别刻蚀字符亟需解决样本规模小的问题。常用的图像增广方法有翻转、旋转、缩放比例、剪裁、移位、添加噪声等，但这些方法均是对已有的样本做一系列随机改变，只能产生和原有样本相似的图像。

发明内容

本发明的目的在于针对刻蚀字符识别网络训练样本规模小的问题，提供一种图像样本增广方法，快速生成大批量刻蚀字符图像以满足深度学习网络的训练需求。

实现本发明目的的技术解决方案为：一种刻蚀字符识别网络训练样本增广方法，所述方法包括以下步骤：

步骤1，采集场景中的刻蚀字符图像；

步骤2，根据刻蚀字符图像生成内容图像和风格图像；

步骤3，构建双向生成对抗网络；

步骤4，训练所述双向生成对抗网络；

步骤5，将内容图像和风格图像输入至训练好的双向生成对抗网络，生成刻蚀字符图像。

进一步地，步骤2所述根据刻蚀字符图像生成内容图像，具体包括：

步骤2-1，标注刻蚀字符图像的文本信息；

步骤2-2，根据标注的刻蚀字符图像的真实标签统计字符信息；

步骤2-3，根据字符信息生成多种字体的内容图像。

进一步地，步骤2所述根据刻蚀字符图像生成风格图像，具体为：根据刻蚀字符图像特征生成风格图像。

进一步地，步骤2所述根据刻蚀字符图像生成风格图像，具体包括：

从采集的刻蚀字符图像中选取分辨率符合第一预设条件和或清晰度符合第二预设条件和或特征显著度符合第三预设条件的图像，作为风格图像。

进一步地，步骤3中所述构建双向生成对抗网络，具体包括：

步骤3-1，构建风格化生成对抗网络；

步骤3-2，构建去风格化生成对抗网络；

步骤3-3，构建损失函数。

进一步地，步骤3-1中所述风格化生成对抗网络包括：风格化生成网络和风格化判别网络；