一种微型文本检测方法、计算机设备及存储介质技术

本发明专利技术属于场景文本检测技术领域，具体公开了一种微型文本检测方法、计算机设备及存储介质。本发明专利技术方法通过集成上下文提取模块和注意力指导模块来增强模型架构，使其更适合微型文本的检测场景，通过提出一种特征有效融合因子，使模型能够自适应控制从深层特征到浅层特征传递的信息，有效突出微型的文本特征；在计算损失函数时，提出一种尺度敏感损失，能够更公平地处理不同大小的文本，在保持准确性的同时，有效地减少了微型文本的漏检；最后提出一种可微分二值化模块Th‑DB，在提高模型性能的同时进一步缩短模型的推理时间。本发明专利技术在检测微型文本方面具有高敏感度和高精确率。

【技术实现步骤摘要】

本专利技术属于场景文本检测领域，涉及一种微型文本检测方法、计算机设备及存储介质。

技术介绍

1、场景文本检测在自动驾驶、金融安全、图像检索等各个领域都有应用，因其重要性和广阔的前景而受到越来越多的关注。同时，它仍然带来了重大挑战，例如复杂的背景干扰、文本重叠以及各种文本形状和大小。近年来，研究人员尝试了多种方法进行场景文本区域检测，总结起来大致可分为两类：基于机器学习的方法和基于深度学习的方法。

2、传统的机器学习方法中，基于最大稳定极值区域的检测算法通过提取图像中的局部极值区域，并对其进行过滤和合并得到候选文本区域。基于笔划宽度变换(stroke widthtransform，swt)的检测算法通过canny边缘检测算法来检测图像中的边缘，并将边缘连接成连通区域，根据swt值的方差和均值来过滤掉非文本区域。基于滑动窗口的检测算法在图像上以固定大小的窗口进行滑动，检测窗口内是否存在文本。传统的文本区域检测方法需要手工设计复杂的特征、分类器以及后处理流程，这些技术难以满足复杂的自然场景文本检测需求。

3、基于深度学习的方法可细分为三类本文档来自技高网...

【技术保护点】

1.一种微型文本检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的微型文本检测方法，其特征在于，

3.根据权利要求2所述的微型文本检测方法，其特征在于，

4.根据权利要求2所述的微型文本检测方法，其特征在于，

5.根据权利要求2所述的微型文本检测方法，其特征在于，

6.根据权利要求5所述的微型文本检测方法，其特征在于，

7.根据权利要求1所述的微型文本检测方法，其特征在于，

8.根据权利要求1所述的微型文本检测方法，其特征在于，

9.一种计算机设备，包括存储器和一个或多个处理器，所...

【技术特征摘要】

1.一种微型文本检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的微型文本检测方法，其特征在于，

3.根据权利要求2所述的微型文本检测方法，其特征在于，

4.根据权利要求2所述的微型文本检测方法，其特征在于，

5.根据权利要求2所述的微型文本检测方法，其特征在于，

6.根据权利要求5所述的微型文本检测方法，其特征在于，

7.根据权利要求1所述的微型文...

【专利技术属性】
技术研发人员：魏光村，付纪华，李海鹏，潘志飞，方卿阁，马鹏浩，孔垂珂，徐浩辰，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：