[发明专利]场景文本检测系统和方法

摘要

公开一种场景文本检测系统。该系统可包括最大稳定极值区域(MSER)检测器、经过训练的卷积神经网络(CNN)分类器、选择器和构造器。最大稳定极值区域(MSER)检测器可被配置成从图像中生成文本成分的集合，其中生成的文本成分排列成MSER树形结构。经过训练的卷积神经网络(CNN)分类器可被配置成将成分置信分数分配到文本成分的集合中的每个文本成分。选择器可被配置成从文本成分集合中选择具有所分配的成分置信分数中的较高成分置信分数的文本成分。构造器可被配置成使用所选择的文本成分来构造最终文本。也公开一种场景文本检测方法。

主权项

1.一种场景文本检测系统，其包括：最大稳定极值区域检测器，其被配置成从图像中生成文本成分集合，其中生成的文本成分排序成最大稳定极值区域树形结构；卷积神经网络分类器，所述卷积神经网络分类器包括两个卷积层、至少一个平均池化层、和支持向量机分类器，以及其中，每个卷积层之后是平均池化层和多个滤波器，所述卷积神经网络分类器配置成将成分置信分数分配到所述文本成分集合中的每个文本成分；选择器，其被配置成从所述文本成分集合中选择具有分配的成分置信分数中的较高成分置信分数的文本成分；以及构造器，其被配置成使用选择的文本成分来构造最终文本，其中，所述两个卷积层的第一卷积层的滤波器被配置成通过使用非监督K均值来根据从预定训练集中提取的图像块集合进行学习以生成响应，并且所述两个卷积层的第二卷积层的滤波器被配置成通过反向传播从所述支持向量机分类器中生成的支持向量机分类误差来基于生成的所述响应进行学习以获取所述文本成分的所述成分置信分数。