申请/专利权人:北京眼神智能科技有限公司;北京眼神科技有限公司;深圳爱酷智能科技有限公司
申请日:2022-12-02
公开(公告)日:2024-06-04
公开(公告)号:CN118133925A
主分类号:G06N3/084
分类号:G06N3/084;G06V10/82;G06V30/148;G06V30/162
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.21#实质审查的生效;2024.06.04#公开
摘要:本申请公开了一种计算训练损失的方法、网络训练和文本检测方法以及装置,属于数字图像处理领域。本申请通过式1loss=WT×BCEP,GT的BCEP,GT项对二值概率预测特征图上每一个位置的值进行0‑1二值预测,提高了文本检测网络的准确性。通过WT评价预测值与真实值之间的重叠性,WT的定义与字符分割的评价方法类似,对训练损失的优化直接等价于以评价方法为目标进行优化,保证训练后的文本检测网络具有较高的召回率。本申请提出的计算训练损失的方法用于基于分割方法的文本检测网络的训练,同时提高了文本检测网络的准确率和召回率。
主权项:1.一种计算训练损失的方法,其特征在于,所述计算训练损失的方法用于基于分割方法的文本检测网络的训练,所述计算训练损失的方法包括:通过如下式1计算得到训练损失:loSS=WT×BCEP,GT1其中,loss为所述训练损失,P为训练样本经所述基于分割方法的文本检测网络处理得到的二值概率预测特征图,GT为所述训练样本的真实标注,BCEP,GT表示对所述二值概率预测特征图上每一个点计算得到的损失值,WT表示所述二值概率预测特征图与所述训练样本的真实标注之间的重叠性。
全文数据:
权利要求:
百度查询: 北京眼神智能科技有限公司;北京眼神科技有限公司;深圳爱酷智能科技有限公司 计算训练损失的方法、网络训练和文本检测方法以及装置
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。