公开(公告)号：CN117765520A

公开(公告)日：2024-03-26

申请号：CN202311573331.X

申请日：2023-11-23

Applicant: 中国科学院信息工程研究所

Inventor： 周宇 ,  舒言 ,  杨东宝 ,  王伟平

IPC: G06V20/62 ,  G06V20/70 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/0895

Abstract: 本发明公开一种高效准确的歧义场景文字检测方法及系统，属于图像文字识别领域，使用基于Mask R‑CNN结构的文本检测分支检测场景图像中的文本，生成文本候选框；使用歧义感知模块检测场景图像的文本块，将文本块与文本候选框进行匹配及关联，分析文本块中所有文本候选框之间的连接情况，找出有歧义的文本块；构建由图像编码器、文本编码器和跨模态编码器组成的语义感知模块，通过对比学习、匹配预测和掩码预测来训练该语义感知模块；使用训练好的语义感知模块对有歧义的文本块进行场景文字检测。本发明能够高效准确地检测歧义文字，并提高识别的准确率。

公开(公告)号：CN119579733A

公开(公告)日：2025-03-07

申请号：CN202411423694.X

申请日：2024-10-12

Applicant: 中国科学院信息工程研究所

Inventor： 周宇 ,  李祯航 ,  舒言 ,  曾维超 ,  杨东宝

IPC: G06T11/60 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及计算机技术领域，具体为具有场景文字的图像生成方法。本发明通过获取文本描述；基于文本描述获得背景图像、待生成文字和文本区域；基于所述背景图像通过自适应本文块探索策略得到局部图像；通过所述待生成文字得到文字图像；基于所述局部图像和文字图像得到条件嵌入；基于所述文本区域建立图像指导；将所述条件嵌入和所述图像指导输入卷积神经网络得到解码图像；所述解码图像中文字生成由所述待生成文字和所述文本区域确定。解决了图像生成时小文字生成的问题并提高文字生成的准确率，使得图像生成时小文本渲染效果优良。