DL字符定位

模块原理

DL字符定位是基于深度学习的方法实现的，其主要原理是对标注好的字符区域进行学习，提取其形态、轮廓等低层级信息以及高层级语义信息。相对于人为选择的特征，深度学习方法学习到的特征信息具有更好的表征性，因此可以获得更高的字符定位精度。

基于深度学习的字符定位算法，会给每个定位框输出一个得分，也称为置信度，用于表示该定位框是字符框的可能性大小。该定位框是字符框的可能性越大，则置信度越大；反之，置信度越小。

使用方法

DL字符定位模块主要用于将图像中感兴趣的字符区域检测出来，通过匹配大致的字符库信息来确定字符的位置。当文本背景复杂或者位置不固定时，通过DL字符定位能够实现精准的字符位置输出。

传统定位算法与深度学习定位算法的适用场景对比如下：

• 传统字符定位：传统定位算法主要有快速（高精度）特征匹配、Blob分析等。主要用于有固定特征且特征一致性较好，特征与背景对比度高且背景简单的场景。

• 深度学习字符定位：无固定定位特征，字符形态不止一种，对比度低，背景略带干扰，支持多行、任意角度（0~180°）字符定位。

DL字符定位模块一般搭配DL字符识别模块使用，将字符定位出来后，字符识别模块检测区域继承定位的ROI完成字符的识别。

DL字符定位模块对字符在图像的占比有要求，建议字符高度不小于图像长边的2%。若不满足要求，建议先初定位对图像进行裁剪。裁剪需要用到匹配（模版匹配、Blob分析）、定位修正、仿射变换等模块。

参数配置

模型文件路径

此处会提供默认模型，也可以自行加载训练好的模型文件。

方案存模型

使能后，将模型数据保存到方案文件或流程文件中，跨机加载方案时无需再次输入模型文件路径。

最大查找个数

即最大查找的字符框个数。若实际检测出的字符框数量M小于最大查找个数N，则实际显示M个字符框；若实际检测出的字符框数量大于N，则实际只能显示N个字符框。

最小置信度

图像内所有像素的最小置信度，低于该参数值的像素会被过滤，高于该参数值的像素区域会被计算成包围字符框。

最小平均分数

若包围字符框内所有像素的平均置信度小于该参数值，则不返回该字符定位结果；可根据实际需求进行设置，默认值为0.3。

最大重叠率

字符框允许被遮挡的最大比例。当实际重叠率超过该参数值时，则不定位该字符。一般来说，该参数无需调整。

目标排序

可选按中心点X坐标排序、按中心点Y坐标排序、按置信度排序。

• 按中心点X/Y坐标排序：按照目标中心X/Y坐标从小到大对结果信息进行排序。

• 按置信度排序：按照目标置信度从大到小对结果信息进行排序。

边缘筛选使能

使能后，需设置最小边缘分数。若查找目标在边缘内的部分占整体的比例小于最小边缘分数，则舍去该查找目标。

字符角度使能

默认关闭状态，使能后需配置字符角度范围，只会保留角度符合设置范围的字符框。

字符宽度使能

默认关闭状态，使能后需配置字符宽度范围，只会保留宽度符合设置范围的字符框。

字符高度使能

默认关闭状态，使能后需配置字符高度范围，只会保留高度符合设置范围的字符框。

模块结果

该模块的模块结果介绍请见DL字符定位。