【技术实现步骤摘要】
本专利技术属于文本检测，尤其涉及基于边缘特征增强的文本检测方法及系统。
技术介绍
1、对于一些特殊领域或语言，可用于训练的文本数据可能相对较少，导致模型在这些领域的泛化性能不足。此外，数据集中正类别(包含文本)和负类别(不包含文本)的样本分布可能不平衡，影响模型的性能。传统的水平和垂直文本检测方法可能无法有效处理多方向和弯曲的文本。在一些场景中，文本可能以任意方向或曲线形状出现，这对传统方法构成挑战。对于小尺寸的文本或低分辨率的图像，文本检测模型可能难以准确地定位和识别文本。这种情况在一些特殊应用场景，如移动设备上的文本检测，尤为突出。复杂的背景和遮挡可能干扰文本检测模型的性能。在自然场景中，文本可能被其他物体、阴影或复杂的纹理所遮挡，使得模型难以正确识别。虽然端到端训练可以提高整体性能，但需要大量标注好的数据，而文本标注通常是一项复杂和耗时的任务。在一些特定领域，如医学图像或古老手稿的文本检测，获得大规模标注数据可能具有挑战性。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的...
【技术保护点】
1.一种基于边缘特征增强的文本检测方法，其特征在于，包括：
2.如权利要求1所述的基于边缘特征增强的文本检测方法，其特征在于，所述收集和准备文本检测任务的数据集，对图像进行预处理，包括：
3.如权利要求1所述的基于边缘特征增强的文本检测方法，其特征在于，所述构建文本检测模型，在模型中添加一个分支，用于检测文本边缘区域，包括：
4.如权利要求1所述的基于边缘特征增强的文本检测方法，其特征在于，所述在模型中添加一个浅层特征增强模块，用于捕捉与文本边缘相关的浅层特征，包括：
5.如权利要求1所述的基于边缘特征增强的文本检测方法...
【技术特征摘要】
1.一种基于边缘特征增强的文本检测方法，其特征在于，包括：
2.如权利要求1所述的基于边缘特征增强的文本检测方法，其特征在于，所述收集和准备文本检测任务的数据集，对图像进行预处理，包括：
3.如权利要求1所述的基于边缘特征增强的文本检测方法，其特征在于，所述构建文本检测模型，在模型中添加一个分支，用于检测文本边缘区域，包括：
4.如权利要求1所述的基于边缘特征增强的文本检测方法，其特征在于，所述在模型中添加一个浅层特征增强模块，用于捕捉与文本边缘相关的浅层特征，包括：
5.如权利要求1所述的基于边缘特征增强的文本检测方法，其特征在于，所述将来自模型的文本检测特征与来自文本边缘区域检测分支和浅层特征增强模块的特征进行融合式，包括：
6.如权利要求1所述的基...
【专利技术属性】
技术研发人员：邹雄，高金锋，李祚如，吴海涛，姚汝贤，张耀文，
申请(专利权)人：黄淮学院，
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。