文本定位方法、装置、计算机系统和可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113762259A(43)申请公布日2021.12.07(21)申请号202010912570.3(22)申请日2020.09.02(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人谢树雷赖荣凤梅涛(74)专利代理机构中科专利商标代理有限责任公司11021代理人任岩(51)Int.Cl.G06K9/34(2006.01)G06K9/32(2006.01)G06N3/08(2006.01)权利要求书2页说明书14页附图8页(54)发明名称文本定位方法、装置、计算机系统和可读存储介质(57)摘要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。CN113762259ACN113762259A权利要求书1/2页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2CN113762259A权利要求书2/2页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。6.根据权利要求1所述的方法，其中，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。7.根据权利要求6所述的方法，其中，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