[发明专利]场景图像的检测方法及其装置

权利要求书

1.一种场景图像的检测方法，其特征在于，包括：

获取携带至少一个文本实例的场景图像，并从所述场景图像中获取所述文本实例的文本区域特征；

对每个所述文本区域特征进行文本间特征融合处理，获取每个所述文本区域特征对应的增强文本区域特征；

基于所述增强文本区域特征进行掩模预测，获取所述增强文本区域特征对应的所述文本实例的文本轮廓。

2.根据权利要求1所述的方法，其特征在于，所述从所述场景图像中获取所述文本实例的文本区域特征，包括：

对所述场景图像进行特征提取，获取所述场景图像的语义特征图；

根据所述语义特征图，获取所述文本区域特征。

3.根据权利要求2所述的方法，其特征在于，所述对所述场景图像进行特征提取，获取所述场景图像的语义特征图，包括：

对所述场景图像进行多个尺度上的特征提取，获取尺度不同的多个所述语义特征图。

4.根据权利要求2所述的方法，其特征在于，所述根据所述语义特征图，获取所述文本区域特征，包括：

对所述语义特征图进行卷积处理，获取所述语义特征图对应的优化特征图；

从所述优化特征图中提取所述文本实例的文本区域特征。

5.根据权利要求4所述的方法，其特征在于，所述对所述语义特征图进行卷积处理，获取所述语义特征图对应的优化特征图，包括：

将所述语义特征图输入对应的文本内协同学习网络中的卷积单元中进行卷积处理，以输出所述语义特征图对应的所述优化特征图，其中，所述卷积单元包括多个级联的卷积模块，每个所述卷积模块包括一个水平卷积层、竖直卷积层和标准卷积层。

6.根据权利要求5所述的方法，其特征在于，所述文本内协同学习网络还包括残差单元，所述方法还包括：

将所述语义特征图经过所述残差单元后，再与所述卷积单元输出的特征图进行相加，生成所述优化特征图。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述对每个所述文本区域特征进行文本间特征融合处理，获取所述文本区域特征对应的增强文本区域特征，包括：

生成每个所述文本区域特征对应的第一特征向量，由所有的所述第一特征向量生成一个第一文本特征序列，基于所述第一文本特征序列，获取所述文本区域特征对应的增强文本区域特征。

8.根据权利要求7所述的方法，其特征在于，所述生成每个所述文本区域特征对应的第一特征向量，由所有的所述第一特征向量生成一个第一特征序列，基于所述第一文本特征序列，获取每个所述文本区域特征对应的增强文本区域特征，包括：

将所述文本区域特征输入分割检测模型中；

由所述分割检测模型中的文本间协同学习网络中的降维单元，对所述文本特征进行降维处理生成降维文本区域特征，并对所述降维文本区域特征中的每个通道上的特征进行拼接，生成所述文本区域特征对应的第一特征向量；

基于每个所述第一特征向量，生成所述第一特征序列，并将每个所述第一特征序列输入所述文本间协同学习网络中的第一自注意力编码器单元中，由所述第一自注意力编码器单元输出待增强文本区域特征；

将所述待增强文本区域特征输入所述文本间协同学习模型中的特征结构重构单元中，由所述特征结构重构单元进行特征结构恢复，输出所述增强文本区域特征。

9.根据权利要求8所述的方法，其特征在于所述由所述分割检测模型中的文本间协同学习网络中的降维单元，对所述文本特征进行降维处理生成降维文本区域特征，包括：

通过所述降维单元中的第一卷积层对每个所述文本区域特征进行卷积特征通道维度上的降维处理，获取所述文本区域特征对应的降维中间文本区域特征；

通过所述降维单元中的池化层对所述降维中间文本区域特征进行分辨率维度上的降维处理，获取所述降维文本区域特征。