申请/专利权人：天翼电子商务有限公司

申请日：2022-10-27

公开（公告）日：2024-04-30

公开（公告）号：CN117953527A

主分类号：G06V30/414

分类号：G06V30/414;G06V10/82;G06N3/0464;G06N3/045;G06N3/0442

优先权：

专利状态码：在审-公开

法律状态：2024.04.30#公开

摘要：本发明公开了一种基于CRNN的文字单字检测方法，包括以下：1、改进的带检测CRNN模型结构设计；2改进的带检测CRNN模型Loss设计。本发明在CRNN的基础上提出了单字检测模块和CRNN的特征耦合能够在做文本行识别的基础上定位出单字；和CRNN共用大部份基础架构，极大提升了模型的效率，使用1D卷积模拟LSTM的作用，提升了模型并行化，进一步提高了模型的效率；在一定程度上缓解了CRNN使用CTC训练时的对齐问题。

主权项：1.一种基于CRNN的文字单字检测方法，其特征在于，包括以下：1、改进的带检测CRNN模型结构设计使用VGG16来提取图片的特征，使得图片在宽度方向变成原来的14，高度方向变为1，于是我们可以得到B*C*1*W的特征，将特征进行维度合并和转换后我们可以得到W*B*C维度大小的特征；这里的W就是图片宽度方向的特征长度，在RNN里面我们称为timestep；这里就是BLSTM需要进行前后文联系的位置；为了使得模型可以并行预测，我们提出了两个1D卷积分别对特征做正反两个方向的卷积计算，然后将特征通过Concat合并来模拟BLSTM的效果；通过这样模拟可以极大提升模型的并行度，提升模型的预测效率，同时也能保持应有的准确率；对于单字检测的部分，需要time_step*2维度的向量，两个维度用来预测该time_step位置是否为文本和非文本；同时需要time_step*4维度的向量，四个维度用来预测该time_step的anchor小文本框的中心点的x偏移，y偏移，高度的缩放比，宽度的缩放比；按照CRNN的pooling，我们得到的小文本框的宽度为4，得到小文本框的类别后，我们去掉非文本的小文本框；于是我们需要从左往右来合并小文本框；这里有个很简单也很巧妙的方法，我们根据识别结果可以知道该文字大致的宽高比，例如汉字，大致的宽高比为1:1，数字为1:2，于是可以依据宽高比来合并小文本框得到最终单个字的文本框；2改进的带检测CRNN模型Loss设计该带单字检测的CRNN模型，共有三个loss监督，在文本和非文本的分类我们使用CrossEntryloss： 对于小文本框的回归我们使用smoothL1loss： 对于文字的识别我们依旧是使用CTCLoss，我们的整体的loss如下所示：Ltotal＝γ1*CEx1,label1+γ2*smoothL1x2,label2+γ3*CTClossx3,label3其中γ1+γ2+γ3＝1。

全文数据：

权利要求：

百度查询： 天翼电子商务有限公司 一种基于CRNN的文字单字检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD