本公开提供了一种文本定位方法、装置、计算机系统和计算机可读存储介质。其中，文本定位方法包括：获取待定位文本图像；将待定位文本图像输入分割网络模型，输出第一特征图和第二特征图；根据第一特征图确定待定位文本图像中文本内容的至少一个初始区域；根据第二特征图确定待定位文本图像中文本内容的边界；以及根据文本内容的边界和至少一个初始区域确定文本内容的目标定位区域。文本内容的目标定位区域。文本内容的目标定位区域。
【技术实现步骤摘要】
文本定位方法、装置、计算机系统和可读存储介质
[0001]本公开涉及计算机视觉
，更具体地，涉及一种文本定位方法、装置、计算机系统和计算机可读存储介质。
技术介绍
[0002]计算机视觉技术是一种涉及人工智能、图像处理和模式识别等诸多领域的技术。光学符号识别技术(OCR)是利用计算机视觉技术将图像中的文字信息提取并转换为人和计算机可以理解的文本，而文本定位方法是影响OCR中信息提取的关键。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题，基于分割的文本检测方法比较灵活，但是对于长文本在文本检测时容易产生检测框断开的情况，导致字符被分割，文本定位不准确，进而影响识别结果。
技术实现思路
[0004]有鉴于此，本公开提供了一种文本定位方法、装置、计算机系统和计算机可读存储介质。
[0005]本公开的一个方面提供了一种文本定位方法，包括：获取待定位文本图像；将所述待定位文本图像输入分割网络模型，输出第一特征图和第二特征图；根据所述第一特征图确定所述待定位文本图像中文本内容的至少一个初始区域；根据所述第二特征图确定所述待定位文本图像中文本内容的边界；以及根据所述文本内容的边界和所述至少一个初始区域确定所述文本内容的目标定位区域。
[0006]根据本公开的实施例，上述的文本定位方法，还包括：所述分割网络模型通过如下方式训练得到：获取具有第一特征图输出通道和第二特征图输出通道的训练模型，其中，所述第一特征图输出通道对应第一损失函数，所述第二特征图输出通道对应第二损失函数；获取标注有角点坐标的文本图像训练集，其中，所述文本图像训练集中每帧文本图像的角点坐标用于确定所述文本图像中文本内容的真实文本区域和真实文本边界；将所述文本图像训练集中的文本图像输入所述训练模型；通过所述第一特征图输出通道输出预测文本区域；通过所述第二特征图输出通道输出预测文本边界；将所述真实文本区域和所述预测文本区域输入所述第一损失函数，得到第一损失值；将所述真实文本边界和所述预测文本边界输入第二损失函数，得到第二损失值；根据所述第一损失值调整所述第一特征图输出通道的模型参数，根据所述第二损失值调整所述第二特征图输出通道的模型参数，直到所述第一损失函数和所述第二损失函数收敛；以及在所述第一损失函数和所述第二损失函数收敛的情况下，将当前得到的训练模型作为所述分割网络模型。
[0007]根据本公开的实施例，通过所述第一特征图输出通道输出预测文本区域包括：根据所述角点坐标得到第一输出边界；将所述第一输出边界向内收缩第一预设数量的像素后得到第二输出边界；以及将所述第二输出边界内的区域作为所述预测文本区域。
[0008]根据本公开的实施例，通过所述第二特征图输出通道输出预测文本边界包括：根
据所述角点坐标得到第一输出边界；将所述第一输出边界向内收缩所述第一预设数量的像素后得到第二输出边界；以及将所述第一输出边界和所述第二输出边界之间的区域作为所述预测文本边界。
[0009]根据本公开的实施例，根据所述第一损失值调整所述第一特征图输出通道的模型参数，根据所述第二损失值调整所述第二特征图输出通道的模型参数，直到所述第一损失函数和所述第二损失函数收敛还包括：为所述第一损失函数设置第一系数，其中，所述第一系数表征在训练所述训练模型的过程中所述第一损失函数的比例；为所述第二损失函数设置第二系数，其中，所述第二系数表征在训练所述训练模型的过程中所述第二损失函数的比例，所述第一系数加上所述第二系数等于1；以及调节所述第一系数和所述第二系数的值，直至所述第一损失函数和所述第二损失函数收敛。
[0010]根据本公开的实施例，根据所述文本内容的边界和所述至少一个初始区域确定所述文本内容的目标定位区域包括：计算所述至少一个初始区域中的每个所述初始区域与所述边界各自围成的区域之间的重合度；在所述重合度大于第一预设值的情况下，根据所述边界确定所述目标定位区域；以及在所述重合度等于0的情况下，根据所述初始区域确定所述目标定位区域。
[0011]根据本公开的实施例，计算所述至少一个初始区域中的每个所述初始区域与所述边界各自围成的区域之间的重合度包括：在所述初始区域具有至少两个的情况下，计算每两个所述初始区域之间的距离；确定所述距离小于第二预设值的至少两个所述初始区域；以及计算所述距离小于第二预设值的至少两个所述初始区域中的每个所述初始区域与所述边界各自围成的区域之间的重合度。
[0012]根据本公开的实施例，根据所述文本内容的边界和所述至少一个初始区域确定所述文本内容的目标定位区域还包括：将所述边界向外扩充第一预设数量的像素；将所述初始区域向外扩充所述第一预设数量的像素；以及将扩充后的所述边界内的区域或扩充后的所述初始区域作为所述目标定位区域。
[0013]本公开的另一个方面提供了一种文本定位装置，包括：获取模块，用于获取待定位文本图像；分割网络模块，用于将所述待定位文本图像输入分割网络模型，输出第一特征图和第二特征图；第一确定模块，用于根据所述第一特征图确定所述待定位文本图像中文本内容的至少一个初始区域；第二确定模块，用于根据所述第二特征图确定所述待定位文本图像中文本内容的边界；以及第三确定模块，用于根据所述文本内容的边界和所述至少一个初始区域确定所述文本内容的目标定位区域。
[0014]本公开的另一方面提供了一种计算机系统，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
[0015]本公开的另一方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0016]本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
[0017]根据本公开的实施例，通过采用了获取待定位文本图像；将待定位文本图像输入分割网络模型，输出第一特征图和第二特征图；根据第一特征图确定待定位文本图像中文
本内容的至少一个初始区域；根据第二特征图确定待定位文本图像中文本内容的边界；以及根据文本内容的边界和至少一个初始区域确定文本内容的目标定位区域的技术手段，由于增加了用于约束文本内容的边界，所以至少部分地克服了对于长文本在文本检测时容易产生检测框断开而导致的部分字符被分割进而导致文本内容定位不准确的技术问题，进而达到了基于分割的文本检测方法在实现文本内容定位时的定位区域的高度完整性与更高稳定性的技术效果。
附图说明
[0018]通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
[0019]图1示意性示出了根据本公开实施例的可以应用文本定位方法的示例性应用环境；
[0020]图2示意性示出了根据本公开实施例的文本定位方法的流程图；
[0021]图3示意性示出了根据本公开实施例的分割网本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种文本定位方法，包括：获取待定位文本图像；将所述待定位文本图像输入分割网络模型，输出第一特征图和第二特征图；根据所述第一特征图确定所述待定位文本图像中文本内容的至少一个初始区域；根据所述第二特征图确定所述待定位文本图像中文本内容的边界；以及根据所述文本内容的边界和所述至少一个初始区域确定所述文本内容的目标定位区域。2.根据权利要求1所述的方法，还包括：所述分割网络模型通过如下方式训练得到：获取具有第一特征图输出通道和第二特征图输出通道的训练模型，其中，所述第一特征图输出通道对应第一损失函数，所述第二特征图输出通道对应第二损失函数；获取标注有角点坐标的文本图像训练集，其中，所述文本图像训练集中每帧文本图像的角点坐标用于确定所述文本图像中文本内容的真实文本区域和真实文本边界；将所述文本图像训练集中的文本图像输入所述训练模型；通过所述第一特征图输出通道输出预测文本区域；通过所述第二特征图输出通道输出预测文本边界；将所述真实文本区域和所述预测文本区域输入所述第一损失函数，得到第一损失值；将所述真实文本边界和所述预测文本边界输入第二损失函数，得到第二损失值；根据所述第一损失值调整所述第一特征图输出通道的模型参数，根据所述第二损失值调整所述第二特征图输出通道的模型参数，直到所述第一损失函数和所述第二损失函数收敛；以及在所述第一损失函数和所述第二损失函数收敛的情况下，将当前得到的训练模型作为所述分割网络模型。3.根据权利要求2所述的方法，其中，通过所述第一特征图输出通道输出预测文本区域包括：根据所述角点坐标得到第一输出边界；将所述第一输出边界向内收缩第一预设数量的像素后得到第二输出边界；以及将所述第二输出边界内的区域作为所述预测文本区域。4.根据权利要求3所述的方法，其中，通过所述第二特征图输出通道输出预测文本边界包括：根据所述角点坐标得到第一输出边界；将所述第一输出边界向内收缩所述第一预设数量的像素后得到第二输出边界；以及将所述第一输出边界和所述第二输出边界之间的区域作为所述预测文本边界。5.根据权利要求2所述的方法，其中，根据所述第一损失值调整所述第一特征图输出通道的模型参数，根据所述第二损失值调整所述第二特征图输出通道的模型参数，直到所述第一损失函数和所述第二损失函数收敛还包括：为所述第一损失函数设置第一系数，其中，所述第一系数表征在训练所述训...
【专利技术属性】
技术研发人员：谢树雷，赖荣凤，梅涛，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。