买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东宜教通教育有限公司申请的专利自然场景文本检测方法、系统、存储介质及计算设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116229445B 。

龙图腾网通过国家知识产权局官网在2026-01-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310185149.0，技术领域涉及：G06V20/62；该发明授权自然场景文本检测方法、系统、存储介质及计算设备是由杜振锋;周晓清;龚汝洪;曾凡智;周燕设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本自然场景文本检测方法、系统、存储介质及计算设备在说明书摘要公布了：本发明公开了一种自然场景文本检测方法、系统、存储介质及计算设备，包括：1对原始数据集进行Imgaug数据增强；2将处理后的数据集中的图像输入改进DBNet，通过加入了LAFE模块的骨干网络模块来获取目标图像的特征信息，其中，经过LAFE模块时依次进行三层空洞卷积、通道注意力和空间注意力来增强图像前后景特征的区别；将经过骨干网络模块输出的特征输入到加入了MEFF模块的特征金字塔模块中，以输出补充了空间语义信息的不同尺度的特征图，最终预测由概率图和阈值图生成的近似二值图，进而经过像素点到文本框的聚合后处理得出检测结果。本发明具有了深度学习技术的特性，通过训练可以不断优化网络，提高自然场景文本的检测能力。

本发明授权自然场景文本检测方法、系统、存储介质及计算设备在权利要求书中公布了：1.基于多层次特征增强与融合的自然场景文本检测方法，其特征在于，该方法是基于改进DBNet实现自然场景文本的精准检测，该改进DBNet是对原来DBNet的骨干网络模块、特征金字塔模块都进行了改进，其中，对骨干网络模块的改进是：加入LAFE模块，其将三层空洞卷积、通道注意力和空间注意力有效地融合到一起；对特征金字塔模块的改进是：加入MEFF模块，其在多层次特征的融合过程中引入可变形卷积网络； 该自然场景文本检测方法的具体实施包括以下步骤： 1数据预处理，包括对原始数据集进行Imgaug数据增强，然后将输入到训练网络前的数据集中的图像处理为640×640的大小； 2将处理后的数据集中的图像输入改进DBNet，通过加入了LAFE模块的骨干网络模块来获取目标图像的特征信息，其中，经过LAFE模块时依次进行三层空洞卷积、通道注意力和空间注意力来增强图像前后景特征的区别；将经过骨干网络模块输出的特征输入到加入了MEFF模块的特征金字塔模块中，以输出补充了空间语义信息的不同尺度的特征图，最终预测由概率图和阈值图生成的近似二值图，进而经过像素点到文本框的聚合后处理得出检测结果； 所述特征金字塔模块将骨干网络模块输出的特征信息作为输入，把不同尺度的特征图进行融合，具体情况如下： 将增强特征L5上采样2倍后与增强特征L4相加，增强特征L4上采样2倍后与增强特征L3相加，进而将它们与增强特征L2一起送入到MEFF模块中，以增强空间信息的表达，得到多层次特征Mi＝{M2,M3,M4,M5}，其中M2，M3，M4，M5分别为特征金字塔模块输出的第2层、第3层、第4层和第5层的特征； 特征M2需要经过MEFF模块来获取，首先，针对相隔远的特征M4，进行4倍线性上采样后加入DCN；其次，对特征M3进行2倍线性上采样；最后，结合增强特征L2，一起经过DCN便得到融合了多层次特征信息的特征M2，具体计算过程如式5所示： M2＝DCNL2+DCNUpM4,4+UpM3,25 式中，UpM3,2和UpM4,4表示对特征M3和特征M4分别进行2倍和4倍的线性上采样操作，DCN表示将特征在经过卷积核提取时引入可变形卷积网络，L2表示LAFE模块输出的第2层特征； 采用1×1卷积将多层次特征Mi的通道数由256降为64，并经过不同倍率的线性上采样操作来得到最终的多层次特征，然后经过拼接后得到大小为原图14的特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东宜教通教育有限公司，其通讯地址为：510700 广东省广州市黄埔区中新广州知识城亿创街1号406房之106；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。