一种基于图连通的文本检测方法、终端设备及存储介质与流程

技术特征：
1.一种基于图连通的文本检测方法，其特征在于，包括以下步骤：s1：采集具有单字符文本标注的图像组成训练集；s2：构建基于特征金字塔网络的文字检测模型，设定模型的输入为图像，输出包括预测文本框和表示预测文本框内包含文字的概率，通过训练集对模型进行训练，使得损失收敛，得到训练后的文字检测模型；s3：将待处理图像输入训练后的文字检测模型中，得到待处理图像对应的所有预测文本框和各预测文本框对应的包含文字的概率，将各预测文本框对应的包含文字的概率转化为置信度后，剔除置信度小于置信度阈值时对应的预测文本框，将其他预测文本框组成集合b；s4：计算集合b中每两个预测文本框之间的第一参数giou和第二参数dhiou：集合b中每两个预测文本框之间的第一参数giou和第二参数dhiou：其中，b
i
、b
j
分别表示两个预测文本框，c表示包含b
i
和b
j
的最小凸闭合框，d表示c的对角线长度，h表示b
i
中心点与b
j
中心点之间高度差，area(.)表示面积计算；s5：将集合b中所有的预测文本框作为图节点构建无向图g，若两节点之间满足giou小于第一阈值且dhiou小于第二阈值，则设定两节点之间连通，否则不连通；s6：计算无向图g的连通分量，并计算每个连通分量所包含节点的最小外接矩形，将最小外接矩形作为文本框，进而得到该待处理图像的所有文本框。2.根据权利要求1所述的基于图连通的文本检测方法，其特征在于：在采集具有单字符文本标注的图像的过程中，如果文本标注图像的标注形式为按文本框进行文本标注且已知文本框内的字符数量，则将文本框等分为与字符数量个数相同的文本框。3.根据权利要求1所述的基于图连通的文本检测方法，其特征在于：在采集具有单字符文本标注的图像的过程中，如果文本标注图像的标注形式为仅标注文本框，则计算文本框的长边a和短边b，如果满足a≥θ
ab
*b，则沿长边方向将文本框等分为份，表示取整，θ
ab
表示长短边比值阈值。4.根据权利要求1所述的基于图连通的文本检测方法，其特征在于：文字检测模型的损失函数l为：l＝αl
obj
βl
giougiou
其中，α和β均为权重参数，l
obj
表示交叉熵损失，l
giou
表示giou损失，a表示图像标注的真实文本框，b表示模型输出的预测文本框，c表示包含a与b的最小凸闭合框，y表示图像的真
实概率，表示模型输出的预测概率。5.根据权利要求1所述的基于图连通的文本检测方法，其特征在于：预测文本框对应的标签通过sigmoid函数转化为置信度。6.一种基于图连通的文本检测终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～5中任一所述方法的步骤。7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～5中任一所述方法的步骤。

技术总结
本发明涉及一种基于图连通的文本检测方法、终端设备及存储介质，该方法中包括：S1：采集具有单字符文本标注的图像组成训练集；S2：构建文字检测模型，通过训练集对模型进行训练；S3：将待处理图像输入训练后的文字检测模型中，剔除置信度较低的预测文本框后，将其他预测文本框组成集合B；S4：计算集合B中每两个预测文本框之间的第一参数GIoU和第二参数DHIoU；S5：将集合B中所有的预测文本框作为图节点构建无向图，若两节点之间满足GIoU小于第一阈值且DHIoU小于第二阈值，则设定两节点之间连通，否则不连通；S6：计算无向图的连通分量，并计算每个连通分量所包含节点的最小外接矩形，将最小外接矩形作为文本框。本发明能够快速的准确进行文本区域定位。快速的准确进行文本区域定位。快速的准确进行文本区域定位。


技术研发人员：吴婷婷 刘彩玲 汪泰伸 陈德意 高志鹏 赵建强
受保护的技术使用者：厦门市美亚柏科信息股份有限公司
技术研发日：2021.08.17
技术公布日：2021/12/16