[发明专利]一种文本检测训练集中增加特殊负例的方法

说明书

本发明公开了一种文本检测训练集中增加特殊负例的方法，将原有的训练集中含有手写体的样本以宽为基准resize到同一尺寸；框选含有手写体的样本作为手写体目标，将手写体目标从原图按照标注好的框截取下来，并分别剪裁保存；通过图像处理抹掉图片上的文字，保留背景信息，作为新的训练集的背景；将手写体目标，按照预设的数量和间隙写入背景中，形成目标样本；将打印字体作为正例，按照预设的数量和间隙写入步骤S4的目标样本中，生成新的训练样本。对原有训练集中已有样本的手写体负例或者特殊形式负例的收集，在样本中增加定量且数量可控的手写体负例或特殊形式负例，同理增广的数量可控，可以有针对性的生成带有某种特殊负例的训练样本。

技术领域

本发明属于文本检测技术领域，尤其是涉及一种文本检测训练集中增加特殊负例的方法。

背景技术

近年来，文本检测算法发展迅速，主要用于检测出图片中文本的位置。目前，现有的检测技术一般采用基于深度学习的检测方法，准确率较高，但有时会存在误检(非目标被检出认为是目标)。发出误检的主要原因是训练样本的复杂性低或者是模型对负例的认识不足。

在做场景文本检测时，希望检测出标准的电子版式文本(打印字体)，但是，如图1所示，在实际场景文本检测时，选框中是要检测的目标，会被误检出手写体文本，由于手写体的特征与打印字体的特征都属于笔画特征，通过人眼观察其两者区别较大。现有的训练集的样本分布属于一种随机的分布状态，比较符合真实的情况，但是在模型中，手写体的出现频率不高，模型学习不深入，训练集中的负例的多样性不够，使得在文本检测时不能有效准确的分辨出手写体和打印字体，从而在文本检测中出现误检。

因此，为了解决上述技术问题，需要一种能够为文本检测模型训练中增加负例的方法。

发明内容

本发明的目的是提供一种操作简单、有效增加样本中手写体负例的分布，提高模型的准确率的文本检测训练集中增加特殊负例的方法。

本发明的技术方案如下：

一种文本检测训练集中增加特殊负例的方法，包括以下步骤：

S1.现有训练集归一：将原有的训练集中含有手写体的样本以宽为基准resize到同一尺寸；

S2.目标剪裁：框选所述S1中含有手写体的样本作为手写体目标，将手写体目标从原图按照标注好的框截取下来，并分别剪裁保存；

S3.背景生成：通过图像处理抹掉图片上的文字，保留背景信息，作为新的训练集的背景；

S4.生成训练样本：将所述步骤S2中的手写体目标，按照预设的数量和间隙写入所述步骤S3中的背景中，形成目标样本；

S5.添加正例：将打印字体作为正例，按照预设的数量和间隙写入所述步骤S4的目标样本中，生成新的训练样本。

在上述技术方案中，所述步骤S1中，样本的宽为800mm，高度同比例变化。

在上述技术方案中，在单页的训练样本中，所述手写体目标的预设数量占单页的训练样本的20％，间隙为10mm-20mm。

在上述技术方案中，在单页的训练样本中，所述打印字体的正例预设数量占单页的训练样本的80％，间隙为10mm-20mm。

本发明具有的优点和积极效果是：

1.对原有训练集中已有样本的手写体负例或者特殊形式负例的收集，在样本中增加定量且数量可控的手写体负例或特殊形式负例，同理增广的数量可控，可以有针对性的生成带有某种特殊负例的训练样本。

2.生成新的训练样本的数量可控，可以根据模型训练后的测试结果，选择增加或减少相应的负例数量，使得模型效果更优，从而降低模型的误检率。

附图说明