[发明专利]文本检测用数据集生成方法、装置和系统

说明书

本发明公开了一种文本检测用数据集生成方法、装置和系统，涉及计算机技术领域。该方法的一具体实施方式包括：获取配置文件，其中，配置文件包括：背景配置信息和文本配置信息；利用资源库存储的背景模板资源和背景配置信息，生成背景图片；根据文本配置信息，将资源库存储的部分文本添加到背景图片中，生成文本检测用数据集；标注并存储文本检测用数据集包括的文本的位置信息。该实施方式能够保障文本检测用数据集的完备性和多样性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种文本检测用数据集生成方法、装置和系统。

背景技术

目前，在任何需要将图片中的文字提取出来的应用中，一般采用文本检测模型进行文本检测，并在文本检测结果的基础上再进行后续的文本识别。其中，文本检测模型是由大量的数据集训练得到。

一般来说，文本检测用数据集直接从网络上进行爬取或从数据库中读取。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有的文本检测用数据集获取方法，无法保障数据的完备性和多样性。

发明内容

有鉴于此，本发明实施例提供一种文本检测用数据集生成方法、装置和系统，能够保障文本检测用数据集的完备性和多样性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种文本检测用数据集生成方法，包括：

获取配置文件，其中，所述配置文件包括：背景配置信息和文本配置信息；

利用所述背景配置信息和资源库存储的背景模板资源，生成背景图片；

根据所述文本配置信息，将所述资源库存储的部分文本添加到所述背景图片中，生成文本检测用数据集；

标注并存储所述文本检测用数据集包括的文本的位置信息。

优选地，

所述配置文件进一步包括：图像块信息；

根据所述图像块信息，在所述背景图片上绘制出至少两个待用图像块，其中，每两个所述待用图像块互不重叠；

将所述资源库存储的部分文本添加到所述待用图像块中。

优选地，

所述图像块信息包括图像块大小范围；

在所述背景图片上绘制出至少两个待用图像块，包括：

根据所述背景图片的范围以及所述图像块大小范围，在所述背景图片上随机绘制出多个初始图像块；

从所述多个初始图像块中选取至少两个待用图像块。

优选地，

从所述多个初始图像块中选取至少两个待用图像块，包括：

计算每一个所述初始图像块的分数；

根据预设条件以及多个所述初始图像块的分数，对所述初始图像块进行筛选，以得到互相不重叠的至少两个待用图像块。

优选地，

所述预设条件包括：

判断待用图像块的个数是否达到预设的个数阈值，如果是，则停止筛选，否则，继续筛选；

或者，

判断是否存在未被筛选的初始图像块，如果是，则继续筛选，否则，停止筛选。

优选地，

所述文本配置信息包括：多种排版类别、字号取值范围以及字符间距范围。

优选地，