文本行图像文字切分方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114973291A(43)申请公布日2022.08.30(21)申请号202210900830.4G06N3/08(2006.01)(22)申请日2022.07.28G06N3/04(2006.01)(71)申请人北京和人广智科技有限公司地址100192北京市海淀区西三旗金隅制造工场N1楼305A(72)发明人李凤伟(74)专利代理机构北京知果之信知识产权代理有限公司11541专利代理师苏利(51)Int.Cl.G06V30/414(2022.01)G06V30/19(2022.01)G06V30/18(2022.01)G06V30/148(2022.01)G06V10/82(2022.01)权利要求书2页说明书11页附图3页(54)发明名称文本行图像文字切分方法及装置(57)摘要本公开提供一种文本行图像文字切分方法及装置。所述方法包括：对待处理图像进行特征提取，获得第一特征图；根据第一特征图，获得第二特征图；根据第二特征图，获得将第二特征图的各列进行融合的第一行向量；对第一行向量进行激活，获得第二行向量；根据第二行向量的元素，确定文本之间的间隙所在的目标列；根据目标列，将待处理图像中的文本行进行切分，获得目标图像。根据本公开，能够基于第一特征图中的语义相关性来降低将同一文本的多个部分误拆分的概率，并可降低背景的干扰，并可获取表示待处理图像中的列是否为文本间隙的第二行向量，从而提升对文本的拆分效率和拆分准确率。CN114973291ACN114973291A权利要求书1/2页1.一种文本行图像文字切分方法，其特征在于，包括：将待处理图像输入深度学习神经网络模型进行特征提取处理，获得待处理图像的第一特征图，其中，所述待处理图像为三通道RGB图像，所述待处理图像的内容包括一个文本行，所述文本行包括多个文本，文本之间存在间隙，所述第一特征图为三通道RGB图像，所述第一特征图的尺寸与所述待处理图像的尺寸相同；根据所述第一特征图，获得第二特征图；根据第二特征图，获得将所述第二特征图的各列进行融合的第一行向量，所述第一行向量的元素数量与所述第二特征图的列数相同；对所述第一行向量进行激活处理，获得第二行向量，所述第二行向量的元素数量与所述第一行向量相同；根据所述第二行向量的元素，确定所述文本之间的间隙所在的目标列，所述目标列为将文本行中的文本按照所述间隙切分成单个文本的切分列；根据所述目标列，将所述待处理图像中的文本行进行切分，获得至少一个具有单个文本的目标图像。2.根据权利要求1所述的方法，其特征在于，根据所述第一特征图，获得第二特征图，包括：对所述第一特征图的三个通道进行卷积处理，获得第二特征图。3.根据权利要求1所述的方法，其特征在于，根据第二特征图，获得将所述第二特征图的各行进行融合的第一行向量，包括：根据公式，获得第一行向量，其中，为第二特征图中坐标为的像素点，为第二特征图的总列数，为第一行向量中的第i个元素。4.根据权利要求1所述的方法，其特征在于，对所述第一行向量进行激活处理，获得第二行向量，包括：通过sigmod激活函数对所述第一行向量的各个元素进行激活处理，获得所述第二行向量，其中，所述第二行向量中的各个元素的数值的取值区间为[0，1]。5.根据权利要求1所述的方法，其特征在于，根据所述第二行向量的元素，确定所述文本之间的间隙所在的目标列，包括：确定出所述第二行向量的元素中，小于预设阈值的目标元素；将所述目标元素在所述第二行向量中的索引，确定为所述目标列的列数。6.根据权利要求1所述的方法，其特征在于，在所述第一特征图中，所述单个文本的不同部分之间存在语义关联性，所述语义关联性表示所述不同部分属于同一文本。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述目标图像进行识别处理，获得所述单个文本的语义信息。8.一种文本行图像文字切分装置，其特征在于，包括：特征提取模块，用于将待处理图像输入深度学习神经网络模型进行特征提取处理，获得待处理图像的第一特征图，其中，所述待处理图像为三通道RGB图像，所述待处理图像的2CN114973291A权利要求书2/2页内容包括一个文本行，所述文本行包括多个文本，文本之间存在间隙，所述第一特征图为三通道RGB图像，所述第一特征图的尺寸与所述待处理图像的尺寸相同；通道融合模块，用于根据所述第一特征图，获得第二特征图；行融合模块，用于根据第二特征图，获得将所述第二特征图的各列进行融合的第一行向量，所述第一行向量的元素数量与所述第二特征图的列数相同；激活模块，用于对所述第一行向量进行激活处理，获得第二行向量，所述第二行向量的元素数量与所述第一行向量相同；目标列确定模块，用于根据所述第二行向量的元素，确定所述文本之间的间隙