[发明专利]一种基于图像分割的自然场景文本位置检测方法

摘要

本发明涉及一种基于图像分割的自然场景文本位置检测方法，包括下列步骤：选取数据集；挑选含有文字的图像并标注，制作训练集和测试集；数据增强：第一，随机旋转：以0.25的概率对图片进行随机旋转；第二：随机剪裁；第三，随机颜色扰动；构建训练神经网络：VGG16作为基础网络，将网络的全连接层都改为卷积层，即将Pooling5的输出保持不变，将Fc6变成7*7*512的卷积层，Fc7和Fc8则使用1*1的卷积核变为卷积层，依照分割的思想对文本进行逐像素预测，最后得到每个像素点的预测结果；设计损失函数；对训练结果进行后处理。

主权项

1.一种基于图像分割的自然场景文本位置检测方法，包括下列步骤：(1)选取数据集；挑选含有文字的图像并标注，制作训练集和测试集；(2)数据增强：第一，随机旋转：以0.25的概率对图片进行随机旋转，旋转角度的数值分别是0、90、180、270四个数值；第二：随机剪裁，对旋转后的图像进行随机剪裁，剪裁区域与原图面积比在0.1到1之间，纵横比在0.5到2之间，保证每次剪裁出的区域至少包含一个文本框的10％以上；第三，随机颜色扰动：用随机数值对图像的亮度、饱和度于色彩值进行扰动；(3)构建训练神经网络：VGG16作为基础网络，将网络的全连接层都改为卷积层，即将Pooling5的输出保持不变，将Fc6变成7*7*512的卷积层，Fc7和Fc8则使用1*1的卷积核变为卷积层，依照分割的思想对文本进行逐像素预测，最后得到每个像素点的预测结果；(4)设计损失函数；(5)对训练结果进行后处理：预测结果首先连接成文本区域，然后通过调用opencv库中的minAreaRect函数直接提取文本框，接着根据先验知识，利用文本框的几何特征滤除冗余文本框。(6)根据权利要求1所述的方法，其特征在于，步骤(4)如下：设图像上含有N个文本框；S_i代表第i个文本框的面积，S表示所有文本框的面积之和，则第i个文本框损失权重w_i的计算公式可以为：