[发明专利]密集文本的检测方法及装置

说明书

本申请实施例公开了一种密集文本的检测方法及装置，属于图像检测技术领域。该文本检测模型的训练方法包括：获取密集本文图像，密集文本图像中包含有文字之间密集排列的密集文本，密集文本上标注有文本框；将密集本文图像中的文本框切割为多个子文本框；将密集本文图像和子文本框作为样本数据集，对文本检测模型进行训练；将待检测图像输入文本检测模型中，并获取文本检测模型输出的待检测图像的初步预测文本框。本申请实施例以切割的子文本框为单位进行文本检测模型的训练，在保证密集文本的检测效果的同时，降低了训练时的运算量，提高了针对密集本文的文本检测模型的训练速度。

技术领域

本申请涉及图像检测领域，尤其涉及一种密集文本的检测方法及装置。

背景技术

由于文本自身的特殊性，某些图像中的文本之间经常会较为密集，甚至相互黏连，形成密集文本。由于密集文本的文字之间相互干扰，对于密集文本的检测一直是文本检测的难点。

相关技术中，通常采用两种方式来实现对密集文本的检测。一种方式中，可以采用渐进尺度扩张网络(Progressive Scale Expansion Network，PSENet)算法进行密集文本检测。PSENet算法将广度优先搜索的思想引入到文本分割中，对于密集文本的检测效果良好。另一种方式中，文本检测模型(例如：Textboxes++、Pixel-Anchor等)可以通过在水平方向或者垂直方向复制锚点(anchor)，来实现密集文本的检测。

然而，PSENet算法的训练和检测需要遍历每个像素，运算量较大。在水平方向或者垂直方向复制anchor，需要复制大量的锚点才能保证紧密相连的文本行一定能被匹配到，其模型训练时的运算量同样很大。因此，现有的针对密集文本的文本检测模型，在训练时的运算量都比较大。

发明内容

本申请实施例提供了一种密集文本的检测方法及装置，可以解决现有的针对密集文本的文本检测模型，在训练时的运算量比较大的问题。所述技术方案如下：

第一方面，本申请实施例提供了一种文本检测模型的训练方法，包括：

获取密集本文图像，所述密集文本图像中包含有文字之间密集排列的密集文本，所述密集文本上标注有文本框；

将所述密集本文图像中的文本框切割为多个子文本框；

将所述密集本文图像和所述子文本框作为样本数据集，对所述文本检测模型进行训练；

将待检测图像输入所述文本检测模型中，并获取所述文本检测模型输出的所述待检测图像的初步预测文本框。

可选的，所述将所述密集本文图像中的文本框切割为多个子文本框，包括：

根据所述子文本框的预设高度，以所述文本框中心往上下方向，将所述文本框切割为多个子文本框。

可选的，在所述将所述文本框切割为多个子文本框之后，所述方法还包括：

若所述文本框的上下边界所切割出的子文本框的高度小于所述子文本框的预设高度，则将所述文本框的上下边界所切割出的子文本框填补至高度等于所述子文本框的预设高度。

可选的，所述将所述密集本文图像和所述子文本框作为样本数据集，对所述文本检测模型进行训练，包括：

通过所述文本检测模型的卷积层对所述密集本文图像进行特征提取，生成所述密集本文图像的第一特征图；

根据所述密集本文图像的第一特征图，利用锚点回归机制生成所述密集本文图像的候选参考框；

将所述候选参考框与所述子文本框进行匹配，确定所述候选参考框与所述子文本框的交并比参数；

根据所述交并比参数，确定所述候选参考框是否作为锚点参考框进行回归。