[发明专利]一种文本图像倾斜角度的检测方法及装置

权利要求书

1.一种文本图像倾斜角度的检测方法，包括：

获取待检测的目标文本图像信息；

基于所述目标文本图像信息的倾斜角度用途标注信息，在预先训练好的深度神经网络模型集合中选择目标神经网络模型；其中，所述深度神经网络模型集合包括：一阶段二分类网络模型和多阶段多分类网络模型；

利用所述目标神经网络模型，对所述目标文本图像信息进行图像倾斜角度识别处理，得到所述目标文本图像信息的图像倾斜角度数据；其中，所述图像倾斜角度数据是基于对所述目标文本图像信息执行至少一次倾斜角度类别识别所确定的；

其中，所述多阶段多分类网络模型是基于预设树状网络结构所构建的；

所述预设树状网络结构包括：多个倾斜角度识别阶段，每个倾斜角度识别阶段包括：至少一个倾斜角度识别分支；每个所述倾斜角度识别分支对应两个倾斜角度类别或多个倾斜角度类别；

下一倾斜角度识别分支对应的倾斜角度类别包括：将上一倾斜角度识别分支对应的倾斜角度类别按照预设角度间隔划分得到的至少两个倾斜角度类别；

每个所述倾斜角度识别分支对应于一个分类神经网络，所述分类神经网络包括二分类神经网络、或者多分类神经网络。

2.根据权利要求1所述的方法，其中，若所述目标神经网络模型为多阶段多分类网络模型；

所述利用所述目标神经网络模型，对所述目标文本图像信息进行图像倾斜角度识别处理，得到所述目标文本图像信息的图像倾斜角度数据，包括：

将所述目标文本图像信息输入至所述目标神经网络模型中的首个倾斜角度识别阶段对应的分类神经网络，得到第一倾斜角度类别；

将所述目标文本图像信息输入至下一倾斜角度识别阶段中的目标分类神经网络，得到第二倾斜角度类别；其中，所述目标分类神经网络为与针对上一倾斜角度识别阶段所确定出的倾斜角度类别下的倾斜角度识别分支对应的分类神经网络；

若所述第二倾斜角度类别不为任一最小倾斜角度类别，则继续将所述目标文本图像信息输入至下一倾斜角度识别阶段中的目标分类神经网络；

若所述第二倾斜角度类别为任一最小倾斜角度类别，则将所述第二倾斜角度类别确定为所述目标文本图像信息的图像倾斜角度数据。

3.根据权利要求2所述的方法，其中，所述分类神经网络包括：图像输入层、图像预处理网络层、多个多层网络单元、全局平均池化层、逻辑回归网络层、分类结果输出层；每个所述多层网络单元包括：批量标准化处理层、卷积层、激活层、最大池化层中至少一项；

所述将所述目标文本图像信息输入至下一倾斜角度识别阶段中的目标分类神经网络，得到第二倾斜角度类别，包括：

将所述目标文本图像信息输入至所述图像输入层，得到所述目标文本图像信息对应的第一图像矩阵数据；

将所述第一图像矩阵数据输入至所述图像预处理网络层，对所述第一图像矩阵数据进行归一化处理，得到第二图像矩阵数据；

将所述第二图像矩阵数据依次输入至多个所述多层网络单元，对所述第二图像矩阵数据进行图像特征提取，得到综合图像矩阵数据；

将所述综合图像矩阵数据输入至所述全局平均池化层，对所述综合图像矩阵数据进行平均池化处理，得到第一图像特征向量；

将所述第一图像特征向量输入至所述逻辑回归网络层，对所述第一图像特征向量进行逻辑回归处理，得到第二图像特征向量；

将所述第二图像特征向量输入至所述分类结果输出层，得到第二倾斜角度类别。

4.根据权利要求1所述的方法，其中，所述基于所述目标文本图像信息的倾斜角度用途标注信息，在预先训练好的深度神经网络模型集合中选择目标神经网络模型，包括：

基于所述目标文本图像信息的倾斜角度用途标注信息，确定所述目标文本图像信息对应的倾斜角度精度要求等级；

若所述倾斜角度精度要求等级小于预设阈值等级，则在预先训练好的深度神经网络模型集合中，将所述一阶段二分类网络模型确定为目标神经网络模型；

若所述倾斜角度精度要求等级大于或等于预设阈值等级，则在预先训练好的深度神经网络模型集合中，将所述多阶段多分类网络模型确定为目标神经网络模型。