CN114495101A - 文本检测方法、文本检测网络的训练方法及装置 - Google Patents
文本检测方法、文本检测网络的训练方法及装置 Download PDFInfo
- Publication number
- CN114495101A CN114495101A CN202210034256.9A CN202210034256A CN114495101A CN 114495101 A CN114495101 A CN 114495101A CN 202210034256 A CN202210034256 A CN 202210034256A CN 114495101 A CN114495101 A CN 114495101A
- Authority
- CN
- China
- Prior art keywords
- text
- sample
- image
- sequence
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012549 training Methods 0.000 title claims abstract description 30
- 239000013598 vector Substances 0.000 claims abstract description 122
- 238000004590 computer program Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 238000012805 post-processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了文本检测方法及文本检测网络的训练方法，涉及图像处理技术领域，尤其涉及人工智能技术领域。具体实现方案为：确定待检测图像的序列特征；基于所述序列特征和文本实例对应的实例特征，确定解码后的序列向量；基于所述解码后的序列向量，确定所述待检测图像的类型；响应于所述待检测图像的类型为所述待检测图像包括文本，基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及人工智能的文本检测方法、文本检测网络的训练方法及装置。
背景技术
文字检测是指确定出图像中文字的位置，并找出其边界框。它是很多视觉任务的前置步骤，比如文字识别和场景理解等，可以广泛应用于身份证识别、票据识别等业务场景，从而大幅度节省人工录入时间，并提高各种应用场景中的效率。
发明内容
本公开提供了一种文字检测方法、文本检测网络的训练方法及装置。
根据本公开的一方面，提供了一种文本检测方法，包括：
确定待检测图像的序列特征；
基于所述序列特征和文本实例对应的实例特征，确定解码后的序列向量；
基于所述解码后的序列向量，确定所述待检测图像的类型；
响应于所述待检测图像的类型为所述待检测图像包括文本，基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息。
根据本公开的另一方面，提供了一种文本检测网络的训练方法，所述文本检测网络包括编码子网络、译码子网络和输出子网络；
基于所述编码子网络确定训练样本集中样本图像的序列样本特征；
以所述序列样本特征和文本实例样本对应的实例样本特征作为所述译码子网络的跨层注意力层的输入，将所述跨层注意力层的输出确定为解码后的样本序列向量；
将所述解码后的样本序列向量作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述样本图像的预测类型；
响应于所述样本图像的预测类型为所述样本图像包括文本，将所述解码后的样本序列向量和所述样本序列特征作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述文本在所述样本图像中的预测位置信息；
匹配所述样本图像的预测类型和所述样本图像的标注类型，以及所述样本图像中文本的预测位置信息和标注位置信息，基于匹配结果调整所述文本检测网络的参数。
本公开第三方面提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的文本检测方法或文本检测网络的训练方法。
本公开第四方面提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述所述的文本检测方法或文本检测网络的训练方法。
本公开第五方面提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令在被处理器执行时实现上述所述的文本检测方法或文本检测网络的训练方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1示出了本申请实施例提供的文本检测方法的一种可选流程示意图；
图2示出了本申请实施例提供的文本检测网络的训练方法的一种可选流程示意图；
图3示出了本申请实施例提供的文本检测方法的另一种可选流程示意图；
图4示出了本申请实施例提供的文本检测方法的数据示意图；
图5示出了本申请实施例提供的文本检测装置的一种可选结构示意图；
图6示出了本申请实施例提供的文本检测网络训练装置的一种可选结构示意图；
图7示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
文字检测技术是指确定出图像中文字的位置，并找出其边界框。它是很多视觉任务的前置步骤，比如文字识别和场景理解等，可以广泛应用于身份证识别、票据识别等业务场景，从而大幅度节省人工录入时间，并提高各种应用场景中的效率。自然场景的文字检测和通用目标检测相比有其特殊性，作为视觉主体目标的文字，其字体、大小、颜色、方向、形状等呈现出多样化的特征，相比于一般的目标检测难度更大。近些年来，文字检测技术得到了快速发展，在常规的文字检测数据集上这些技术都取得了不错的效果，但是在充满挑战性包含任意形状的自然场景数据集下，其效果令人沮丧。
现有方法主要分为基于回归的方法和基于分割的方法，基于回归的方法往往需要额外的形状建模来解决弯曲文字问题，仍然无法有效解决任意形状的文字，基于分割的方法天然地可以解决任意形状的问题，但是往往需要后处理规则去区分不同的文字实体，并不能使效果达到最好。
其中，前者(基于回归的方法)通过回归对应的边界框来对目标文本进行定位，后者通常采用全卷积网络对图像进行逐像素分类预测，将图像分为文本和非文本区域，再通过特定的后处理操作将像素级别的输出转化为边界框形式。其中基于分割的文字检测算法主要使用Mask-RCNN作为基础神经网络以产生分割图，尽管基于分割的方法在常规的水平文本检测上取得了很高的精确度，但是其通常需要复杂的后处理步骤以产生相应的边界框，这在推理阶段会消耗大量的内存和时间，因为要对产生的区域进行精修和贴标签。同时由于采用了分割思想，针对重叠文字框的情况，其检测效果很差。而基于回归的检测方法通常是直接预测边界框，常见的有EAST、CPTN等算法，由于后处理过程简单，其推理速度明显优于基于分割的算法，但是在复杂的自然场景下，由于字体的变化幅度大和场景干扰严重的问题，其检测效果也并不是很好。
综上，现有的文字检测方法具有如下缺点：
1)大部分现有方法针对水平文字框都能取得令人满意的检测精度。然而在面对自然场景下任意形状文字时，由于建模能力有限，仍存在大量的漏检和错检情况。
2)现有的文字检测模型大都是基于CNN架构的，需要大量人为的先验假设和冗杂的后处理过程，比如Anchor的设计和NMS等过程，整体流程复杂。
本公开提供一种文本检测方法和文本检测网络的训练方法，以至少解决现有技术中文本检测存在的缺陷。
图1示出了本申请实施例提供的文本检测方法的一种可选流程示意图，将根据各个步骤进行说明。
步骤S101，确定待检测图像的序列特征。
在一些实施例中，文本检测装置(以下简称第一装置)将待检测图像对应的图像矩阵转换为的一维向量；确定所述一维向量对应的特征为所述待检测图像的序列特征。
具体实施时，所述第一装置可以基于文本检测网络包括的编码子网络确定所述待检测图像的序列特征；即将所述待检测图像输入至所述编码子网络中，获得所述待检测图像的序列特征。
步骤S102，基于所述序列特征和文本实例对应的实例特征，确定解码后的序列向量。
在一些实施例中，所述第一装置确定所述解码后的序列向量之前，获取所述文本实例对应的嵌入值，所述嵌入值为所述文本实例对应的实例特征；其中，所述文本实例包括字符串和/或短语，不同的文本实例对应的嵌入值不同。
具体实施时，所述第一装置可以基于所述文本检测网络包括的译码子网络的自注意力层，获取所述文本实例对应的嵌入值；即以所述文本实例作为所述自注意力层的输入，所述自注意力层的输出为所述文本实例对应的嵌入值。
在一些实施例中，所述第一装置可以基于所述译码子网络包括的跨层注意力层，获取所述解码后的序列向量；即以所述序列特征和所述文本实例对应的实例特征作为所述跨层注意力层的输入，所述跨层注意力层的输出为所述解码后的序列向量。
步骤S103，基于所述解码后的序列向量，确定所述待检测图像的类型。
在一些实施例中，所述第一装置可以基于所述文本检测网络包括的输出子网络，确定所述待检测图像的类型；即以所述解码后的序列向量作为所述输出子网络包括的全连接层的输入，所述全连接层的输出为所述待检测图像的类型。
其中，所述待检测图像的类型可以包括所述待检测图像包括文本或所述待检测图像不包括文本。
步骤S104，响应于所述待检测图像的类型为所述待检测图像包括文本，基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息。
在一些实施例中，所述第一装置响应于所述待检测图像的类型为所述待检测图像包括文本，则基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息。
在一些实施例中，所述第一装置将所述解码后的序列向量与所述序列特征对应的向量相乘，得到乘积结果；基于所述乘积结果，确定所述文本在所述序列特征中的位置信息；基于所述文本在所述序列特征中的位置信息，确定所述文本在所述待检测图像的位置信息。可选的，所述解码后的序列向量与所述序列特征对应的向量可以进行Tensor乘法操作；在进行Tensor乘法操作时，可以通过补0、复制等方式使所述解码后的序列向量与所述序列特征对应的向量的长度相同。
在一些可选实施例中，所述第一装置基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息之后，还可以基于所述待检测图像中文本的位置信息确定所述待检测图像中的连通域；基于所述连通域的边界确定文本边界框；其中，所述文本边界框用于识别所述待检测图像中的文本。
如此，通过本公开实施例提供的文本检测方法，可以直接预测文本实例级的任意形状的文本在图像中的位置，能够适应复杂场景下各种形状文本的检测任务。特别地，结合光学字符识别(Optical Character Recognition，OCR)进行文本识别的情况下，可以提升自然场景下OCR的文本识别能力。
图2示出了本申请实施例提供的文本检测网络的训练方法的一种可选流程示意图，将根据各个步骤进行说明。
步骤S201，基于所述编码子网络确定训练样本集中样本图像的序列样本特征。
在一些实施例中，所述文本检测网络包括：编码子网络、译码子网络和输出子网络；其中，所述译码子网络包括自注意力层和跨层注意力层；所述输出子网络包括全连接层。
在一些实施例中，文本检测网络的训练装置(以下简称第二装置)基于所述编码子网络将所述样本图像对应的图像矩阵转换为表征所述样本图像的一维向量；所述样本图像的一维向量对应的特征为所述样本图像的序列样本特征。
步骤S202，以所述序列样本特征和文本实例样本对应的实例样本特征作为所述译码子网络的跨层注意力层的输入，将所述跨层注意力层的输出确定为解码后的样本序列向量。
在一些实施例中，所述第二装置确定解码后的样本序列向量之前，还可以将所述文本实例样本输入至所述译码子网络的自注意力层，基于所述自注意力层的输出获取所述文本实例样本对应的嵌入值，所述嵌入值为所述文本实例样本对应的实例样本特征；其中，所述文本实例样本包括字符串和/或短语，不同的文本实例样本对应的嵌入值不同；可选的，所述实例样本特征可以是一维向量。
在一些实施例中，所述第二装置将所述序列样本特征和所述实例样本特征输入至所述跨层注意力层；确定所述跨层注意力层的输出为所述解码后的样本序列向量。
步骤S203，将所述解码后的样本序列向量作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述样本图像的预测类型。
在一些实施例中，所述第二装置将所述解码后的样本序列向量作为所述输出子网络包括的全连接层的输入，基于所述全连接层的输出确定所述样本图像的预测类型。
其中，所述预测类型可以包括：所述样本图像包括文本，或所述样本图像不包括文本。
步骤S204，响应于所述样本图像的预测类型为所述样本图像包括文本，将所述解码后的样本序列向量和所述样本序列特征作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述文本在所述样本图像中的预测位置信息。
在一些实施例中，所述第二装置响应于所述样本图像的预测类型为所述样本图像包括文本，将所述解码后的样本序列向量与所述样本序列特征对应的向量相乘，得到乘积结果；基于所述乘积结果，确定所述文本在所述样本序列特征中的预测位置信息；基于所述文本在所述样本序列特征中的预测位置信息，确定所述文本在所述样本图像的预测位置信息。
在一些可选实施例中，所述解码后的样本序列向量与所述样本序列特征对应的向量可以进行Tensor乘法操作；在进行Tensor乘法操作时，可以通过补0、复制等方式使所述解码后的样本序列向量与所述样本序列特征对应的向量的长度相同。
具体实施时，所述样本序列特征对应的向量与所述解码后的样本序列向量进行Tensor乘法操作后，得到的结果(通过向量表示)中，所述文本在所述结果对应的参数相比非文本对应在所述结果中对应的参数大或小，可以通过相乘的结果确定所述文本在所述样本序列特征中的预测位置信息；由于所述样本序列特征为所述样本图像经过变换后得到的一维向量；通过矩阵变换的方式，可以基于所述文本在所述样本序列特征中的预测位置信息，确定所述文本在所述样本图像中的预测位置信息。
步骤S205，匹配所述样本图像的预测类型和所述样本图像的标注类型，以及所述样本图像中文本的预测位置信息和标注位置信息，基于匹配结果调整所述文本检测网络的参数。
在一些实施例中，若所述预测类型和所述标注类型相同，且所述预测位置信息与所述标注位置信息之间的损失值小于预设阈值，则所述第二装置确定不调整所述文本检测网络的参数。
在另一些实施例中，若所述预测类型和所述标注类型不同，或者，所述预测位置信息与所述标注位置信息之间的损失值大于或等于所述预设阈值，则基于所述样本图像的预测类型和所述样本图像的标注类型之间的差异，和/或所述样本图像中文本的预测位置信息和标注位置信息之间的差异，调整所述文本检测网络的参数。
具体实施时，可以通过二分图匹配算法对所述预测类型与所述标注类型，或者，所述预测位置信息与所述标注位置信息进行匹配，分别计算类型损失和位置信息损失(或mask损失)。
其中，所述值可以包括二分类的交叉熵损失值和dice损失值中至少之一。
如此，通过本公开实施例提供的文本检测网络的训练方法，能够获得可以直接预测文本实例级的任意形状的文本在图像中位置的神经网络，为复杂场景下各种形状文本的检测任务提供有力支撑。
图3示出了本申请实施例提供的文本检测方法的另一种可选流程示意图，将根据各个步骤进行说明；图4示出了本申请实施例提供的文本检测方法的数据示意图。
本公开实施例提供的文字检测方法，包括任意形状文字的自然场景图像(待检测图像)首先经过文本检测网络的编码子网络，提取所述待检测图像的序列特征，然后通过译码子网络和不同的可学习的文本实例(Object Queries)对应的文本向量来关注待检测图像中不同的文本实例信息，进一步，所述文本检测网络输出不同的实例级文本实例的位置信息；基于所述位置信息，进行简单的连通域分析即可获得文字实例的边框，为后续文字识别提供有力支撑，提升文字识别的准确性。
以下是文本检测网络以及训练完成(如通过步骤S201至步骤S205)的基础上，进行文字检测的步骤流程：
步骤S301，将待检测图像输入至文本检测网络。
步骤S302，文本检测网络包括的编码子网络确定所述待检测图像的序列特征。
在一些实施例中，所述文本检测网络包括的编码子网络(或称编码Encode模块)可以是基于卷积神经网络(CNN)、Transform(一种机器学习模型)或CNN与Transform混合的网络结构，所述编码子网络的目的是提取待检测图像的序列特征。其中，所述序列包括将所述图像按照行排列得到的向量(如待检测图像可以表示为h*w矩阵，则所述待检测图像对应的序列为1*hw的一维向量)。
在一些实施例中，所述编码子网络将待检测图像对应的图像矩阵转换为的一维向量；确定所述一维向量对应的特征为所述待检测图像的序列特征。
步骤S303，文本检测网络包括的译码子网络确定解码后的序列向量。
在一些实施例中，所述文本检测网络包括的译码子网络(或称译码Decoder模块)基于自注意力和跨层注意力机制构建，目的是对编码子网络提取出的序列特征进行解码操作。具体的，所述译码子网络包括自注意力层和跨层注意力层；所述自注意力层用于将至少一个可学习的文本实例(Object Queries)转换为至少一个文本特征，其中，所述至少一个可学习的文本实例包括长度不同的字符串和/或短语；所述跨层注意力层用于输出经过解码后的序列向量。
在一些实施例中，将所述至少一个文本实例输入至所述译码子网络的自注意力层，基于所述自注意力层的输出获取所述至少一个文本实例对应的嵌入值，所述嵌入值为所述文本实例对应的实例特征；以所述序列样本和文本实例对应的实例特征作为所述译码子网络的跨层注意力层的输入，将所述跨层注意力层的输出确定为解码后的序列向量。
步骤S304，基于所述解码后的序列向量，确定所述待检测图像的类型，和/或所述文本在所述待检测图像中的位置信息。
在一些实施例中，所述文本检测网络包括的输出子网络包括全连接层；所述全连接层用于基于所述解码后的序列向量确定所述待检测图像的类型；所述文本检测网络还用于确定所述文本在所述待检测图像中的位置信息。
具体实施时，所述输出子网络可以通过Tensor乘法操作，将所述解码后的序列向量和所述序列特征相乘，基于乘积结果，确定所述文本在所述序列特征中的位置信息；基于所述文本在所述序列特征中的位置信息，确定所述文本在所述待检测图像的位置信息。
如图4所示，待检测图像输入至编码子网络后，获得序列特征；文本实例输入所述译码子网络后，其输出与所述序列特征共同作为所述译码子网络的输出，在输出子网络，与所述序列特征相乘，获得所述待检测图像中文本的位置信息。
如此，通过本申请实施例提供的文本检测方法，针对现有文本检测方法不能有效处理任意形状文字检测的问题，提出了一种文本检测方法，本申请实施例提供的文本检测方法将任意形状文字检测问题转化为mask分类(即实例分割，区分不同类的不同实例)问题，本申请实施例提供的文本检测方法通过预测实例级文本实例来同时解决任意形状问题和区分不同文本实体问题，无需复杂后处理和人工规则。具体地，本申请实施例提供的文本检测方法利用文本检测网络包括的编码子网络对输入的待检测图像进行特征提取，获取序列特征，利用文本检测网络包括的译码子网络输出待检测图像中至少一个文本的位置信息，最后对相应的位置进行简单的连通域分析即可获得文本实例的边界框。与以往的基于回归和分割的文字检测方法相比，本申请实施例提供的文本检测方法通过直接预测实例级文本在待检测图像中的位置信息，简化任意形状建模的复杂度，无需复杂人工后处理,可以通过数据驱动的方式有效提升复杂自然场景下的任意文字检测效果。
图5示出了本申请实施例提供的文本检测装置的一种可选结构示意图，将根据各个部分进行说明。
在一些实施例中，所述文本检测装置500包括编码单元501、译码单元502、图像类型确定单元503和输出单元504。
编码单元501，用于确定待检测图像的序列特征；
译码单元502，用于基于所述序列特征和文本实例对应的实例特征，确定解码后的序列向量；
所述图像类型确定单元503，用于基于所述解码后的序列向量，确定所述待检测图像的类型；
所述输出单元504，用于响应于所述待检测图像的类型为所述待检测图像包括文本，基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息。
所述编码单元501，具体用于将待检测图像对应的图像矩阵转换为的一维向量；确定所述一维向量对应的特征为所述待检测图像的序列特征。
所述译码单元502，还用于获取所述文本实例对应的嵌入值，所述嵌入值为所述文本实例对应的实例特征；其中，所述文本实例包括字符串和/或短语，不同的文本实例对应的嵌入值不同。
所述输出单元504，具体用于将所述解码后的序列向量与所述序列特征对应的向量相乘，得到乘积结果；基于所述乘积结果，确定所述文本在所述序列特征中的位置信息；基于所述文本在所述序列特征中的位置信息，确定所述文本在所述待检测图像的位置信息。
在一些可选实施例中，所述文本检测装置500还可以包括：边界框确定单元505。
所述边界框确定单元505，用于在基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息之后，基于所述待检测图像中文本的位置信息确定所述待检测图像中的连通域；基于所述连通域的边界确定文本边界框；其中，所述文本边界框用于识别所述待检测图像中的文本。
图6示出了本申请实施例提供的文本检测网络训练装置的一种可选结构示意图，将根据各个部分进行说明。
在一些实施例中，所述文本检测网络的训练装置600包括第一确定单元601、第二确定单元602、第三确定单元603、响应单元604和调整单元605。
所述第一确定单元601，用于基于所述编码子网络确定训练样本集中样本图像的序列样本特征；
所述第二确定单元602，以所述序列样本特征和文本实例样本对应的实例样本特征作为所述译码子网络的跨层注意力层的输入，将所述跨层注意力层的输出确定为解码后的样本序列向量；
所述第三确定单元603，将所述解码后的样本序列向量作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述样本图像的预测类型；
所述响应单元604，用于响应于所述样本图像的预测类型为所述样本图像包括文本，将所述解码后的样本序列向量和所述样本序列特征作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述文本在所述样本图像中的预测位置信息；
所述调整单元605，用于匹配所述样本图像的预测类型和所述样本图像的标注类型，以及所述样本图像中文本的预测位置信息和标注位置信息，基于匹配结果调整所述文本检测网络的参数。
所述第一确定单元601，具体用于通过编码子网络将所述样本图像对应的图像矩阵转换为表征所述样本图像的一维向量；所述样本图像的一维向量对应的特征为所述样本图像的序列样本特征。
所述第二确定单元602，还用于将所述文本实例样本输入至所述译码子网络的自注意力层，基于所述自注意力层的输出获取所述文本实例样本对应的嵌入值，所述嵌入值为所述文本实例样本对应的实例样本特征；其中，所述文本实例样本包括字符串和/或短语，不同的文本实例样本对应的嵌入值不同。
所述响应单元604，具体用于将所述解码后的样本序列向量作为所述输出子网络包括的全连接层的输入，基于所述全连接层的输出确定所述样本图像的预测类型。
所述第三确定单元603，具体用于将所述解码后的样本序列向量与所述样本序列特征对应的向量相乘，得到乘积结果；基于所述乘积结果，确定所述文本在所述样本序列特征中的预测位置信息；基于所述文本在所述样本序列特征中的预测位置信息，确定所述文本在所述样本图像的预测位置信息。
所述调整单元605，具体用于若所述预测类型和所述标注类型相同，且所述预测位置信息与所述标注位置信息之间的损失值小于预设阈值，则确定不调整所述文本检测网络的参数；若所述预测类型和所述标注类型不同，或者，所述预测位置信息与所述标注位置信息之间的损失值大于或等于所述预设阈值，则基于所述样本图像的预测类型和所述样本图像的标注类型之间的差异，和/或所述样本图像中文本的预测位置信息和标注位置信息之间的差异，调整所述文本检测网络的参数。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如文本检测方法或文本检测网络的训练方法。例如，在一些实施例中，文本检测方法或文本检测网络的训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的文本检测方法或文本检测网络的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行文本检测方法或文本检测网络的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (25)
1.一种文本检测方法，包括：
确定待检测图像的序列特征；
基于所述序列特征和文本实例对应的实例特征，确定解码后的序列向量；
基于所述解码后的序列向量，确定所述待检测图像的类型；
响应于所述待检测图像的类型为所述待检测图像包括文本，基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息。
2.根据权利要求1所述的方法，所述确定待检测图像的序列特征包括：
将待检测图像对应的图像矩阵转换为的一维向量；
确定所述一维向量对应的特征为所述待检测图像的序列特征。
3.根据权利要求1所述的方法，其中，所述确定解码后的序列向量之前，所述方法还包括：
获取所述文本实例对应的嵌入值，所述嵌入值为所述文本实例对应的实例特征；
其中，所述文本实例包括字符串和/或短语，不同的文本实例对应的嵌入值不同。
4.根据权利要求1所述的方法，其中，所述基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息，包括：
将所述解码后的序列向量与所述序列特征对应的向量相乘，得到乘积结果；
基于所述乘积结果，确定所述文本在所述序列特征中的位置信息；
基于所述文本在所述序列特征中的位置信息，确定所述文本在所述待检测图像的位置信息。
5.根据权利要求1所述的方法，其中，所述基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息之后，所述方法包括：
基于所述待检测图像中文本的位置信息确定所述待检测图像中的连通域；
基于所述连通域的边界确定文本边界框；
其中，所述文本边界框用于识别所述待检测图像中的文本。
6.一种文本检测网络的训练方法，其中，文本检测网络包括编码子网络、译码子网络和输出子网络；
基于所述编码子网络确定训练样本集中样本图像的序列样本特征；
以所述序列样本特征和文本实例样本对应的实例样本特征作为所述译码子网络的跨层注意力层的输入，将所述跨层注意力层的输出确定为解码后的样本序列向量；
将所述解码后的样本序列向量作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述样本图像的预测类型；
响应于所述样本图像的预测类型为所述样本图像包括文本，将所述解码后的样本序列向量和所述样本序列特征作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述文本在所述样本图像中的预测位置信息；
匹配所述样本图像的预测类型和所述样本图像的标注类型，以及所述样本图像中文本的预测位置信息和标注位置信息，基于匹配结果调整所述文本检测网络的参数。
7.根据权利要求6所述的方法，其中，所述基于所述编码子网络确定训练样本集中样本图像的序列样本特征，包括：
所述编码子网络将所述样本图像对应的图像矩阵转换为表征所述样本图像的一维向量；
所述样本图像的一维向量对应的特征为所述样本图像的序列样本特征。
8.根据权利要求6所述的方法，其中，所述确定解码后的样本序列向量之前，所述方法还包括：
将所述文本实例样本输入至所述译码子网络的自注意力层，基于所述自注意力层的输出获取所述文本实例样本对应的嵌入值，所述嵌入值为所述文本实例样本对应的实例样本特征；
其中，所述文本实例样本包括字符串和/或短语，不同的文本实例样本对应的嵌入值不同。
9.根据权利要求6所述的方法，其中，所述将所述解码后的样本序列向量作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述样本图像的预测类型，包括：
将所述解码后的样本序列向量作为所述输出子网络包括的全连接层的输入，基于所述全连接层的输出确定所述样本图像的预测类型。
10.根据权利要求6所述的方法，其中，所述将所述解码后的样本序列向量和所述样本序列特征作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述文本在所述样本图像中的预测位置信息，包括：
将所述解码后的样本序列向量与所述样本序列特征对应的向量相乘，得到乘积结果；
基于所述乘积结果，确定所述文本在所述样本序列特征中的预测位置信息；
基于所述文本在所述样本序列特征中的预测位置信息，确定所述文本在所述样本图像的预测位置信息。
11.根据权利要求6所述的方法，其中，匹配所述样本图像的预测类型和所述样本图像的标注类型，以及所述样本图像中文本的预测位置信息和标注位置信息，基于匹配结果调整所述文本检测网络的参数，包括：
若所述预测类型和所述标注类型相同，且所述预测位置信息与所述标注位置信息之间的损失值小于预设阈值，则确定不调整所述文本检测网络的参数；
若所述预测类型和所述标注类型不同，或者，所述预测位置信息与所述标注位置信息之间的损失值大于或等于所述预设阈值，则基于所述样本图像的预测类型和所述样本图像的标注类型之间的差异，和/或所述样本图像中文本的预测位置信息和标注位置信息之间的差异，调整所述文本检测网络的参数。
12.一种文本检测装置，包括：
编码单元，用于确定待检测图像的序列特征；
译码单元，用于基于所述序列特征和文本实例对应的实例特征，确定解码后的序列向量；
图像类型确定单元，用于基于所述解码后的序列向量，确定所述待检测图像的类型；
输出单元，用于响应于所述待检测图像的类型为所述待检测图像包括文本，基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息。
13.根据权利要求12所述的装置，其中，所述编码单元具体用于：
将待检测图像对应的图像矩阵转换为的一维向量；
确定所述一维向量对应的特征为所述待检测图像的序列特征。
14.根据权利要求12所述的装置，其中，所述译码单元还用于：
在确定解码后的序列向量之前，获取所述文本实例对应的嵌入值，所述嵌入值为所述文本实例对应的实例特征；
其中，所述文本实例包括字符串和/或短语，不同的文本实例对应的嵌入值不同。
15.根据权利要求12所述的装置，其中，所述输出单元具体用于：
将所述解码后的序列向量与所述序列特征对应的向量相乘，得到乘积结果；
基于所述乘积结果，确定所述文本在所述序列特征中的位置信息；
基于所述文本在所述序列特征中的位置信息，确定所述文本在所述待检测图像的位置信息。
16.根据权利要求12所述的装置，其中，所述装置还包括：
边界框确定单元，用于在基于所述解码后的序列向量和所述序列特征对应的向量确定所述文本在所述待检测图像中的位置信息之后，基于所述待检测图像中文本的位置信息确定所述待检测图像中的连通域；基于所述连通域的边界确定文本边界框；
其中，所述文本边界框用于识别所述待检测图像中的文本。
17.一种文本检测网络的训练装置，包括：
第一确定单元，用于基于所述编码子网络确定训练样本集中样本图像的序列样本特征；
第二确定单元，用于以所述序列样本特征和文本实例样本对应的实例样本特征作为所述译码子网络的跨层注意力层的输入，将所述跨层注意力层的输出确定为解码后的样本序列向量；
第三确定单元，用于将所述解码后的样本序列向量作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述样本图像的预测类型；
响应单元，用于响应于所述样本图像的预测类型为所述样本图像包括文本，将所述解码后的样本序列向量和所述样本序列特征作为所述输出子网络的输入，根据所述输出子网络的输出，确定所述文本在所述样本图像中的预测位置信息；
调整单元，用于匹配所述样本图像的预测类型和所述样本图像的标注类型，以及所述样本图像中文本的预测位置信息和标注位置信息，基于匹配结果调整所述文本检测网络的参数。
18.根据权利要求17所述的装置，其中，所述第一确定单元具体用于：
通过编码子网络将所述样本图像对应的图像矩阵转换为表征所述样本图像的一维向量；
所述样本图像的一维向量对应的特征为所述样本图像的序列样本特征。
19.根据权利要求17所述的装置，其中，所述第二确定单元还用于：
将所述文本实例样本输入至所述译码子网络的自注意力层，基于所述自注意力层的输出获取所述文本实例样本对应的嵌入值，所述嵌入值为所述文本实例样本对应的实例样本特征；
其中，所述文本实例样本包括字符串和/或短语，不同的文本实例样本对应的嵌入值不同。
20.根据权利要求17所述的装置，其中，所述响应单元具体用于：
将所述解码后的样本序列向量作为所述输出子网络包括的全连接层的输入，基于所述全连接层的输出确定所述样本图像的预测类型。
21.根据权利要求17所述的装置，其中，所述第三确定单元具体用于：
将所述解码后的样本序列向量与所述样本序列特征对应的向量相乘，得到乘积结果；
基于所述乘积结果，确定所述文本在所述样本序列特征中的预测位置信息；
基于所述文本在所述样本序列特征中的预测位置信息，确定所述文本在所述样本图像的预测位置信息。
22.根据权利要求17所述的装置，其中，所述调整单元，具体用于：
若所述预测类型和所述标注类型相同，且所述预测位置信息与所述标注位置信息之间的损失值小于预设阈值，则确定不调整所述文本检测网络的参数；
若所述预测类型和所述标注类型不同，或者，所述预测位置信息与所述标注位置信息之间的损失值大于或等于所述预设阈值，则基于所述样本图像的预测类型和所述样本图像的标注类型之间的差异，和/或所述样本图像中文本的预测位置信息和标注位置信息之间的差异，调整所述文本检测网络的参数。
23.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法；
或者，以使所述至少一个处理器能够执行权利要求6-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法；
或者，所述计算机指令用于使所述计算机执行根据权利要求6-11中任一项所述的方法。
25.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法；
或者，所述计算机程序在被处理器执行时实现根据权利要求6-11中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210034256.9A CN114495101A (zh) | 2022-01-12 | 2022-01-12 | 文本检测方法、文本检测网络的训练方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210034256.9A CN114495101A (zh) | 2022-01-12 | 2022-01-12 | 文本检测方法、文本检测网络的训练方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114495101A true CN114495101A (zh) | 2022-05-13 |
Family
ID=81512118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210034256.9A Pending CN114495101A (zh) | 2022-01-12 | 2022-01-12 | 文本检测方法、文本检测网络的训练方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114495101A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115422389A (zh) * | 2022-11-07 | 2022-12-02 | 北京百度网讯科技有限公司 | 处理文本图像的方法、神经网络及其训练方法 |
| CN115438214A (zh) * | 2022-11-07 | 2022-12-06 | 北京百度网讯科技有限公司 | 处理文本图像的方法、神经网络及其训练方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020199730A1 (zh) * | 2019-03-29 | 2020-10-08 | 北京市商汤科技开发有限公司 | 文本识别方法及装置、电子设备和存储介质 |
| CN112528621A (zh) * | 2021-02-10 | 2021-03-19 | 腾讯科技（深圳）有限公司 | 文本处理、文本处理模型训练方法、装置和存储介质 |
| WO2021052358A1 (zh) * | 2019-09-16 | 2021-03-25 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置及电子设备 |
| CN112633290A (zh) * | 2021-03-04 | 2021-04-09 | 北京世纪好未来教育科技有限公司 | 文本识别方法、电子设备及计算机可读介质 |
| CN113033534A (zh) * | 2021-03-10 | 2021-06-25 | 北京百度网讯科技有限公司 | 建立票据类型识别模型与识别票据类型的方法、装置 |
| CN113591719A (zh) * | 2021-08-02 | 2021-11-02 | 南京大学 | 一种自然场景任意形状文本检测方法、装置和训练方法 |
| CN113657390A (zh) * | 2021-08-13 | 2021-11-16 | 北京百度网讯科技有限公司 | 文本检测模型的训练方法和检测文本方法、装置和设备 |
-
2022
- 2022-01-12 CN CN202210034256.9A patent/CN114495101A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020199730A1 (zh) * | 2019-03-29 | 2020-10-08 | 北京市商汤科技开发有限公司 | 文本识别方法及装置、电子设备和存储介质 |
| WO2021052358A1 (zh) * | 2019-09-16 | 2021-03-25 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置及电子设备 |
| CN112528621A (zh) * | 2021-02-10 | 2021-03-19 | 腾讯科技（深圳）有限公司 | 文本处理、文本处理模型训练方法、装置和存储介质 |
| CN112633290A (zh) * | 2021-03-04 | 2021-04-09 | 北京世纪好未来教育科技有限公司 | 文本识别方法、电子设备及计算机可读介质 |
| CN113033534A (zh) * | 2021-03-10 | 2021-06-25 | 北京百度网讯科技有限公司 | 建立票据类型识别模型与识别票据类型的方法、装置 |
| CN113591719A (zh) * | 2021-08-02 | 2021-11-02 | 南京大学 | 一种自然场景任意形状文本检测方法、装置和训练方法 |
| CN113657390A (zh) * | 2021-08-13 | 2021-11-16 | 北京百度网讯科技有限公司 | 文本检测模型的训练方法和检测文本方法、装置和设备 |
Non-Patent Citations (3)
| Title |
|---|
| X. GAO, S 等: "A Detection and Verification Model Based on SSD and Encoder-Decoder Network for Scene Text Detection", IEEE ACCESS, 31 December 2019 (2019-12-31) * |
| 张运超;陈靖;王涌天;: "一种融合重力信息的快速海量图像检索方法", 自动化学报, no. 10, 15 October 2016 (2016-10-15) * |
| 王涛;江加和;: "基于语义分割技术的任意方向文字识别", 应用科技, no. 03, 4 July 2017 (2017-07-04) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115422389A (zh) * | 2022-11-07 | 2022-12-02 | 北京百度网讯科技有限公司 | 处理文本图像的方法、神经网络及其训练方法 |
| CN115438214A (zh) * | 2022-11-07 | 2022-12-06 | 北京百度网讯科技有限公司 | 处理文本图像的方法、神经网络及其训练方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113657390B (zh) | 文本检测模型的训练方法和检测文本方法、装置和设备 | |
| CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
| CN113642583B (zh) | 用于文本检测的深度学习模型训练方法及文本检测方法 | |
| CN114495102B (zh) | 文本识别方法、文本识别网络的训练方法及装置 | |
| CN114863437B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
| CN112541332B (zh) | 表单信息抽取方法、装置、电子设备及存储介质 | |
| CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
| CN114022887B (zh) | 文本识别模型训练及文本识别方法、装置、电子设备 | |
| CN114495101A (zh) | 文本检测方法、文本检测网络的训练方法及装置 | |
| CN114511743B (zh) | 检测模型训练、目标检测方法、装置、设备、介质及产品 | |
| CN114612651B (zh) | Roi检测模型训练方法、检测方法、装置、设备和介质 | |
| CN113553428B (zh) | 文档分类方法、装置及电子设备 | |
| CN114549904A (zh) | 视觉处理及模型训练方法、设备、存储介质及程序产品 | |
| CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
| CN113379592A (zh) | 图片中敏感区域的处理方法、装置和电子设备 | |
| CN114724144B (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
| CN113361522B (zh) | 用于确定字符序列的方法、装置和电子设备 | |
| CN116363429A (zh) | 图像识别模型的训练方法、图像识别方法、装置及设备 | |
| CN116935368A (zh) | 深度学习模型训练方法、文本行检测方法、装置及设备 | |
| CN113947195A (zh) | 模型确定方法、装置、电子设备和存储器 | |
| CN114973333A (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
| CN115809687A (zh) | 一种图像处理网络的训练方法及装置 | |
| CN114330576A (zh) | 模型处理方法、装置、图像识别方法及装置 | |
| CN114093006A (zh) | 活体人脸检测模型的训练方法、装置、设备以及存储介质 | |
| CN113361621A (zh) | 用于训练模型的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |