[发明专利]文本检测模型训练方法、文本预测框方法及装置

权利要求书

1.一种文本检测模型训练方法，包括：

确定训练样本集合，所述训练样本集合包含多个样本图片及各样本图片的目标文本区域标签，其中，所述多个样本图片中至少部分样本图片包含目标文本区域和非目标文本区域；

通过初始文本检测模型的注意力机制网络提取各样本图片的图像特征；

基于提取的各样本图片的图像特征，通过初始文本检测模型的候选框预测网络确定各个样本图片的候选框；

基于提取的各样本图片的候选框以及各样本图片的目标文本区域标签确定预定的损失函数的损失值；

基于确定的预定的损失函数的损失值调整初始文本检测模型的模型参数，直至收敛，确定目标文本检测模型的模型参数。

2.根据权利要求1所述的方法，其中，所述注意力机制网络包括Attention网络、Resnet50网络、FPN网络。

3.根据权利要求1所述的方法，其中，所述候选框预测网络为基于Guided Anchoring的网络。

4.根据权利要求1所述的方法，其中，所述预定的损失函数包括Focalloss损失函数。

5.根据权利要求1所述的方法，其中，所述注意力机制网络包括至少一层可形变卷积网络。

6.根据权利要求2所述的方法，其中，所述Attention网络、Resnet50网络、FPN网络中的至少一个包括至少一层可形变卷积网络。

7.根据权利要求1所述的方法，其中，所述初始文本检测模型的候选框预测网络之后还包括用于进行文本识别的网络。

8.根据权利要求1所述的方法，其中，所述样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一项。

9.一种文本预测框检测方法，包括：

确定待检测目标图片；

通过根据权利要求1-8任一项训练的目标文本检测模型的注意力机制网络提取所述待检测目标图片的图像特征；

基于提取的所述待检测目标图片的图像特征，通过所述目标文本检测模型的候选框检测网络确定所述待检测目标图片中的文本的预测框。

10.根据权利要求9所述的方法，其中，所述样本图片为店招门牌图片、广告牌图片、宣传标语图片中的至少一项。

11.一种文本检测模型训练装置，包括：

第一确定模块，用于确定训练样本集合，所述训练样本集合包含多个样本图片及各样本图片的目标文本区域标签，其中，所述多个样本图片中至少部分样本图片包含目标文本区域和非目标文本区域；

第一提取模块，用于通过初始文本检测模型的注意力机制网络提取各样本图片的图像特征；

第二确定模块，用于基于提取的各样本图片的图像特征，通过初始文本检测模型的候选框预测网络确定各个样本图片的候选框；

第三确定模块，用于基于提取的各样本图片的候选框以及各样本图片的目标文本区域标签确定预定的损失函数的损失值；

调整模块，用于基于确定的预定的损失函数的损失值调整初始文本检测模型的模型参数，直至收敛，确定目标文本检测模型的模型参数。

12.根据权利要求11所述的装置，其中，所述注意力机制网络包括Attention网络、Resnet50网络、FPN网络。

13.根据权利要求11所述的方法，其中，所述注意力机制网络包括至少一层可形变卷积网络。

14.根据权利要求12所述的方法，其中，所述Attention网络、Resnet50网络、FPN网络中的至少一个包括至少一层可形变卷积网络。