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！

龙图腾网获悉湖南师范大学申请的专利基于多级信息融合机制的自然场景文本检测方法和装置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：CN117253222B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202311245057.3，技术领域涉及：G06V20/62；该发明授权基于多级信息融合机制的自然场景文本检测方法和装置是由王润民;陈华;朱彦斌;朱祯琳;刘莹莹;黑洁蕾;曹小菲;徐娟;万祖坤;罗雨薇;史复浩;丁亚军;钱盛友;代建华设计研发完成，并于2023-09-26向国家知识产权局提交的专利申请。

本基于多级信息融合机制的自然场景文本检测方法和装置在说明书摘要公布了：本发明公开了基于多级信息融合机制的自然场景文本检测方法和装置，涉及计算机与人工智能领域，其中方法包括：利用主干网络对图像的特征进行提取，并对提取的所述特征进行多模块级联特征增强处理，得到含有图像全局上下文注意力信息和语义分割信息的融合特征图；根据所述融合特征图，利用FasterRCNN网络得到含有分类得分数值和回归参数的候选框；根据所述候选框的中心坐标与目标文本边界标注框中心线区域的关系对所述候选框进行初步筛选，得到文本候选框；根据所述分类得分数值，通过计算得到所述文本候选框的综合数值；根据所述综合数值，对所述文本候选框进行筛选得到检测结果；本发明利用上述方法对图像进行文本检测，提高了文本检测的精确度。

本发明授权基于多级信息融合机制的自然场景文本检测方法和装置在权利要求书中公布了：1.一种基于多级信息融合机制的自然场景文本检测方法，其特征在于，包括： 利用主干网络对图像的特征进行提取，并对提取的所述特征进行多模块级联特征增强处理，得到含有图像全局上下文注意力信息和语义分割信息的融合特征图； 根据所述融合特征图，利用FasterRCNN网络得到含有分类得分数值和回归参数的候选框； 根据所述候选框的中心坐标与目标文本边界标注框中心线区域的关系对所述候选框进行初步筛选，得到文本候选框； 根据所述分类得分数值，通过计算得到所述文本候选框的综合数值； 根据所述综合数值，对所述文本候选框进行筛选得到检测结果； 其中，所述利用主干网络对图像的特征进行提取，并对提取的所述特征进行多模块级联特征增强处理，得到含有图像全局上下文注意力信息和语义分割信息的融合特征图，包括： 利用主干网络对所述图像的特征进行提取、归一化以及多头自注意力处理得到融合特征图； 对所述融合特征图中的特征进行通道注意力处理得到注意力权重； 将所述注意力权重和所述融合特征图进行矩阵相乘得到注意力融合特征图； 对所述注意力融合特征图进行语义分割处理得到文本显著性分割图； 将所述文本显著性分割图与所述注意力融合特征图相乘融合得到文本分割图； 将所述文本分割图与所述注意力融合特征图相加，融合得到所述含有图像全局上下文注意力信息和语义分割信息的融合特征图； 所述根据所述融合特征图，利用FasterRCNN网络得到含有分类得分数值和回归参数的候选框，包括： 对所述融合特征图分别进行文本建议框生成和卷积处理得到不同尺寸的建议框和文本轮廓概略图； 结合所述文本轮廓概略图对所述建议框进行特征对齐处理，得到统一尺寸的文本建议候选框特征； 根据所述文本建议候选框特征，利用FastRCNN网络进行分类和回归得到含有分类得分数值和回归参数的所述候选框； 所述根据所述候选框的中心坐标与目标文本边界标注框中心线区域的关系对所述候选框进行初步筛选，得到文本候选框，包括： 根据收缩比例，利用公式得到目标文本边界标注框中心线区域，基于所述候选框的中心坐标是否位于目标文本边界标注框中心线区域对候选框进行初步筛选，得到文本候选框； 所述公式为： ； 其中，为计算目标文本边界标注框面积的函数，为计算目标文本边界标注框周长的函数，为收缩比例，，为目标文本边界标注框与目标文本边界标注框中心线区域之间的距离，为目标文本边界标注框； 所述基于所述候选框的中心坐标是否位于目标文本边界标注框中心线区域对候选框进行初步筛选，包括： 若所述候选框的中心坐标位于目标文本边界标注框中心线区域内，则保留所述候选框； 若所述候选框的中心坐标未位于目标文本边界标注框中心线区域内，则剔除所述候选框； 所述根据所述分类得分数值，通过计算得到所述文本候选框的综合数值，包括： 对所述文本显著性分割图和所述文本轮廓概略图中的像素值进行计算得到实例分数数值； 根据所述实例分数数值和所述分类得分数值，利用预设公式计算得到所述文本候选框的综合数值； 所述实例分数数值的计算公式为： ； 其中，为文本显著性分割图中点对应的像素值，为文本轮廓概略图中点对应的像素值，为文本建议框中对应的像素点个数； 所述预设公式为： ； 其中，为分类得分数值，为实例分数数值，为综合数值。

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湖南师范大学，其通讯地址为：410006 湖南省长沙市岳麓区麓山路36号；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。