1.一种基于回归的多尺度场景文本检测方法,其特征在于,该方法具体包括以下步骤:
S1:设置充足的具有文本位置标定的训练数据;
S2:构建特征提取网络,包括自低向上的前向网络过程和自顶向下的特征融合过程,用于提取出各训练数据的低中高层特征;其中,低向上的前向网络包括:一个输入模块、第一至第五卷积模块、第一至第五池化模块、一个循环神经网络模块、第六至第十卷积模块和第六池化模块;其中输入模块作为第一卷积模块的输入,第一至第五卷积模块分别包含第一至第五池化模块;一个循环神经网络模块、第六至第十卷积模块和第六池化模块依次级联;
第一至第六卷积模块的卷积核大小均为3*3,步长为1,填充为1;第五池化模块卷积核大小为3*3,步长为1,填充为1;其余池化模块卷积核大小为2*2,步长为2,填充为0;一个循环神经网络模块为双向长短时记忆循环神经网络(Bi‑directional Long Short‑Term Memory Recurrent Neural Network, BLSTM‑RNN),其隐藏层单元数为256;第七卷积核大小为1*1,步长为1,填充为0;第八至第十卷积模块均包含两个卷积核,其中一个卷积核大小为1*1,步长为1,填充为0,另一个卷积核大小为3*3,步长为2,填充为1;
S3:对送入检测层的各层特征使用级联模块;
所述级联模块包括并联的四条卷积支路,
第一条卷积支路上包括一个卷积核,卷积核大小为3*3,步长为1,填充为1;
第二条卷积支路上包括三个卷积核,其中一个卷积核大小为1*1,步长为1,填充为0;一个卷积核大小为1*5,步长为1,填充为1;一个卷积核大小为5*1,步长为1,填充为1;
第三条卷积支路上包括三个卷积核,其中一个卷积核大小为1*1,步长为1,填充为0;一个卷积核大小为5*1,步长为1,填充为1;一个卷积核大小为1*5,步长为1,填充为1;
第四条卷积支路上包括一个池化层和一个卷积核,其中池化层的卷积核大小为3*3,步长为1,填充为1,卷积核大小为1*1,步长为1,填充为0;
所有卷积核后均接BatchNorm模块及线性整流单元模块(Rectified Linear Unit, Relu);
S4:采用基于回归的检测框架,根据文本特征设置合适的默认框,检测图像中的文本位置。
2.根据权利要求1所述的基于回归的多尺度场景文本检测方法,其特征在于,所述步骤S2中,自顶向下的特征融合是指将高层特征与低层特征进行融合,具体为:高层首先通过反卷积得到与低层大小一致的特征图,再接批归一化(Batch Normalization,BatchNorm)模块;低层首先接一个卷积模块,卷积核大小为1*1,步长为1,填充为0;再接BatchNorm模块;
最后使用元素点积操作,对两个特征层进行融合;融合后的输出作为整个特征提取网络的输出。
3.根据权利要求1所述的基于回归的多尺度场景文本检测方法,其特征在于,所述步骤S3中,所述级联模块包括输入谱端和特征谱级联端,所述输入谱端和特征谱级联端之间通过并联的四条卷积支路连接,每条支路上包括1、2或3个卷积模块。