处理文本图像的方法、装置、设备和计算机可读介质制造方法及图纸

本发明专利技术公开了处理文本图像的方法、装置、设备和计算机可读介质，涉及计算机技术领域。该方法的一具体实施方式包括：在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。该实施方式能够统一各种复杂文本图像的标注方向，进而提高训练深度学习模型的准确率。

【技术实现步骤摘要】
处理文本图像的方法、装置、设备和计算机可读介质
本专利技术涉及计算机
，尤其涉及一种处理文本图像的方法、装置、设备和计算机可读介质。
技术介绍
在文本检测技术发展的今天，利用大量的数据训练深度学习模型已经成为一种有效的手段。然而数据的干净程度，对深度学习模型处理各种复杂文本图像起着决定性作用。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：由于各种复杂文本图像的标注方向不同，导致训练深度学习模型的准确率低。
技术实现思路
有鉴于此，本专利技术实施例提供一种处理文本图像的方法、装置、设备和计算机可读介质，能够统一各种复杂文本图像的标注方向，进而提高训练深度学习模型的准确率。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种处理文本图像的方法，包括：在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。所述在文本图像的标注数据中，获取文本图像中文本框的对角点坐标，包括：在文本图像的标注数据中，获取两组坐标作为所述文本图像中文本框的对角点坐标，所述两组坐标间隔一组坐标。所述根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标，包括：根据所述文本图像中文本框的左上角横坐标与所述文本框的右下角横坐标的比较结果，以及所述左上角纵坐标与所述文本框的右下角纵坐标的比较结果，检测所述文本图像的起始坐标。所述检测所述文本图像的起始坐标之前，包括：将所述文本框的右上角坐标和所述文本框的左下角坐标，分别转换为所述文本框的左上角坐标和所述文本框的右下角坐标。所述根据所述文本图像中文本框的左上角横坐标与所述文本框的右下角横坐标的比较结果，以及所述左上角纵坐标与所述文本框的右下角纵坐标的比较结果，检测所述文本图像的起始坐标，包括：所述左上角横坐标大于所述右下角横坐标，且所述左上角纵坐标小于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的右上角坐标；所述左上角横坐标小于所述右下角横坐标，且所述左上角纵坐标大于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的左下角坐标；所述左上角横坐标大于所述右下角横坐标，且所述左上角纵坐标大于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的右下角坐标；所述左上角横坐标小于所述右下角横坐标，且所述左上角纵坐标小于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的左上角坐标。所述基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，包括：基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点以左上角坐标为起始点，并顺时针设置右上角坐标、右下角坐标和左下角坐标。所述基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点以左上角坐标为起始点，并顺时针设置右上角坐标、右下角坐标和左下角坐标，包括：所述文本图像的起始坐标是所述文本框的右上角坐标，将所述文本框的原左上角坐标作为左下角坐标，原右上角坐标作为左上角坐标，原右下角坐标作为右上角坐标，以及原左下角坐标作为右下角坐标；所述文本图像的起始坐标是所述文本框的左下角坐标，将所述文本框的原左上角坐标作为右上角坐标，原右上角坐标作为右下角坐标，原右下角坐标作为左下角坐标，以及原左下角坐标作为左上角坐标；所述文本图像的起始坐标是所述文本框的右下角坐标，将所述文本框的原左上角坐标作为右下角坐标，原右上角坐标作为左下角坐标，原右下角坐标作为左上角坐标，以及原左下角坐标作为右上角坐标；所述文本图像的起始坐标是所述文本框的左上角坐标，将所述文本框的原左上角坐标作为左上角坐标，原右上角坐标作为右上角坐标，原右下角坐标作为右下角坐标，以及原左下角坐标作为左下角坐标。根据本专利技术实施例的第二方面，提供了一种处理文本图像的装置，包括：获取模块，用于在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；检测模块，用于根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；调整模块，用于基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。根据本专利技术实施例的第三方面，提供了一种处理文本图像的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的方法。根据本专利技术实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述的方法。上述专利技术中的一个实施例具有如下优点或有益效果：在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；根据文本图像中文本框的对角点坐标，检测文本图像的起始坐标；基于文本图像的起始坐标，调整文本框的角坐标点，并输出调整后文字图像的标注数据以校正文本图像的标注方向。由于将不同标注方向的文本图像，统一为相同的标注方向，进而能够提高训练深度学习模型的准确率。上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。附图说明附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中：图1是根据本专利技术实施例的训练数据的示意图；图2是根据本专利技术实施例的另一个训练数据的示意图；图3是根据本专利技术实施例的处理文本图像的方法的主要流程的示意图；图4是根据本专利技术实施例的文本图像的角坐标示意图；图5是根据本专利技术实施例情况一中的文本图像的示意图；图6是根据本专利技术实施例情况二中的文本图像的示意图；图7是根据本专利技术实施例情况三中的文本图像的示意图；图8是根据本专利技术实施例情况四中的文本图像的示意图；图9是根据本专利技术实施例的处理文本图像的装置的主要结构的示意图；图10是本专利技术实施例可以应用于其中的示例性系统架构图；图11是适于用来实现本专利技术实施例的终端设备或服务器的计算机系统的结构示意图。具体实施方式以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本专利技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。光学字符识别(OpticalCharacterRecognition，OCR)是指电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。一般来说，可以利用深度学习模型实现OCR。作为一个示例，利用深度学习模型识别医疗票本文档来自技高网...

【技术保护点】
1.一种处理文本图像的方法，其特征在于，包括：/n在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；/n根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；/n基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。/n

【技术特征摘要】
1.一种处理文本图像的方法，其特征在于，包括：
在文本图像的标注数据中，获取文本图像中文本框的对角点坐标；
根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标；
基于所述文本图像的所述起始坐标，调整所述文本框的角坐标点，并输出调整后文字图像的标注数据以校正所述文本图像的标注方向。


2.根据权利要求1所述处理文本图像的方法，其特征在于，所述在文本图像的标注数据中，获取文本图像中文本框的对角点坐标，包括：
在文本图像的标注数据中，获取两组坐标作为所述文本图像中文本框的对角点坐标，所述两组坐标间隔一组坐标。


3.根据权利要求1所述处理文本图像的方法，其特征在于，所述根据所述文本图像中文本框的对角点坐标，检测所述文本图像的起始坐标，包括：
根据所述文本图像中文本框的左上角横坐标与所述文本框的右下角横坐标的比较结果，以及所述左上角纵坐标与所述文本框的右下角纵坐标的比较结果，检测所述文本图像的起始坐标。


4.根据权利要求3所述处理文本图像的方法，其特征在于，所述检测所述文本图像的起始坐标之前，包括：
将所述文本框的右上角坐标和所述文本框的左下角坐标，分别转换为所述文本框的左上角坐标和所述文本框的右下角坐标。


5.根据权利要求3所述处理文本图像的方法，其特征在于，所述根据所述文本图像中文本框的左上角横坐标与所述文本框的右下角横坐标的比较结果，以及所述左上角纵坐标与所述文本框的右下角纵坐标的比较结果，检测所述文本图像的起始坐标，包括：
所述左上角横坐标大于所述右下角横坐标，且所述左上角纵坐标小于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的右上角坐标；
所述左上角横坐标小于所述右下角横坐标，且所述左上角纵坐标大于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的左下角坐标；
所述左上角横坐标大于所述右下角横坐标，且所述左上角纵坐标大于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的右下角坐标；
所述左上角横坐标小于所述右下角横坐标，且所述左上角纵坐标小于所述右下角纵坐标，所述文本图像的起始坐标是所述文本框的左上角坐标。


6.根据权利要求1所述处理文本...

【专利技术属性】
技术研发人员：张博熠，刘设伟，
申请(专利权)人：泰康保险集团股份有限公司，泰康在线财产保险股份有限公司，
类型：发明
国别省市：北京;11