公开(公告)号：CN106257496B

公开(公告)日：2019-06-07

申请号：CN201610541508.1

申请日：2016-07-12

Applicant: 华中科技大学

Inventor： 白翔 ,  石葆光 ,  章成全

IPC: G06K9/62

Abstract: 本发明公开了一种海量网络文本与非文本图像分类方法，首先构建多尺度空间划分网络，然后对训练图像集中的图像，获取图像的多尺度图像块标签信息，并根据构建的多尺度空间划分网络，利用标注好的训练数据集训练多尺度空间划分网络的网络参数，然后利用构建的多尺度空间划分网络以及训练得到的网络参数，对待测试的大规模网络图像进行分类，最终获取图像的分类结果，对图像是否为文本图像做出判决，并获取文本区域在图像中的大致位置。本发明方法文本与非文本图像分类准确率高，且有很高的分类效率。

公开(公告)号：CN106257496A

公开(公告)日：2016-12-28

申请号：CN201610541508.1

申请日：2016-07-12

Applicant: 华中科技大学

Inventor： 白翔 ,  石葆光 ,  章成全

IPC: G06K9/62

CPC classification number: G06K9/6256 ,  G06K9/6268

Abstract: 本发明公开了一种海量网络文本与非文本图像分类方法，首先构建多尺度空间划分网络，然后对训练图像集中的图像，获取图像的多尺度图像块标签信息，并根据构建的多尺度空间划分网络，利用标注好的训练数据集训练多尺度空间划分网络的网络参数，然后利用构建的多尺度空间划分网络以及训练得到的网络参数，对待测试的大规模网络图像进行分类，最终获取图像的分类结果，对图像是否为文本图像做出判决，并获取文本区域在图像中的大致位置。本发明方法文本与非文本图像分类准确率高，且有很高的分类效率。

公开(公告)号：CN106156777B

公开(公告)日：2020-06-02

申请号：CN201510197323.9

申请日：2015-04-23

Applicant: 华中科技大学 ,  腾讯科技(深圳)有限公司

Inventor： 白翔 ,  郭晓威 ,  张睿欣 ,  黄飞跃 ,  姚聪 ,  章成全 ,  石葆光

IPC: G06K9/46

Abstract: 本发明公开了一种文本图片检测方法及装置，属于多媒体技术领域。所述方法包括：对于每一个待检测自然图片，在所述待检测自然图片中提取多个候选区域；计算每一个目标区域的类别响应，所述目标区域通过对所述多个候选区域进行过滤处理得到；根据每一个目标区域的类别响应，计算所述待检测自然图片的特征向量，所述特征向量的维数与所述类别响应的维数相等；当所述特征向量位于预先设置的文本图片归属的特征向量范围内时，确定所述待检测自然图片为文本图片。由于上述文本图片检测方式可对自然图片中的文本图片进行检测，所以该种检测方式的应用范围较为广泛，普适性强。

公开(公告)号：CN105608456A

公开(公告)日：2016-05-25

申请号：CN201510989079.X

申请日：2015-12-22

Applicant: 华中科技大学

Inventor： 白翔 ,  章成全 ,  张拯 ,  姚聪

IPC: G06K9/32

CPC classification number: G06K9/3258 ,  G06K2209/01

Abstract: 本发明公开了一种基于全卷积网络的多方向文本检测方法，首先获取训练数据集中的文本块，并训练全卷积网络模型；然后利用训练好的全卷积网络模型对测试数据集中的图片进行检测，获取文本块；然后提取文本块的字符成分，并根据字符成分的位置信息估算图像中的候选文本条位置；最后训练针对文本条中字符成分的全卷积网络模型，利用训练好的模型对候选文本条进行检测，获取其中的字符成分，根据字符成分过滤掉不需要的文本条，得到图像中文本条的位置。本发明方法文本检测方法检测率高，且能够克服光照、遮挡、模糊等不利因素的影响。

公开(公告)号：CN106156777A

公开(公告)日：2016-11-23

申请号：CN201510197323.9

申请日：2015-04-23

Applicant: 华中科技大学 ,  腾讯科技(深圳)有限公司

Inventor： 白翔 ,  郭晓威 ,  张睿欣 ,  黄飞跃 ,  姚聪 ,  章成全 ,  石葆光

IPC: G06K9/46

Abstract: 本发明公开了一种文本图片检测方法及装置，属于多媒体技术领域。所述方法包括：对于每一个待检测自然图片，在所述待检测自然图片中提取多个候选区域；计算每一个目标区域的类别响应，所述目标区域通过对所述多个候选区域进行过滤处理得到；根据每一个目标区域的类别响应，计算所述待检测自然图片的特征向量，所述特征向量的维数与所述类别响应的维数相等；当所述特征向量位于预先设置的文本图片归属的特征向量范围内时，确定所述待检测自然图片为文本图片。由于上述文本图片检测方式可对自然图片中的文本图片进行检测，所以该种检测方式的应用范围较为广泛，普适性强。

公开(公告)号：CN105608456B

公开(公告)日：2017-07-18

申请号：CN201510989079.X

申请日：2015-12-22

Applicant: 华中科技大学

Inventor： 白翔 ,  章成全 ,  张拯 ,  姚聪

IPC: G06K9/32

Abstract: 本发明公开了一种基于全卷积网络的多方向文本检测方法，首先获取训练数据集中的文本块，并训练全卷积网络模型；然后利用训练好的全卷积网络模型对测试数据集中的图片进行检测，获取文本块；然后提取文本块的字符成分，并根据字符成分的位置信息估算图像中的候选文本条位置；最后训练针对文本条中字符成分的全卷积网络模型，利用训练好的模型对候选文本条进行检测，获取其中的字符成分，根据字符成分过滤掉不需要的文本条，得到图像中文本条的位置。本发明方法文本检测方法检测率高，且能够克服光照、遮挡、模糊等不利因素的影响。