技术摘要：
本发明实施例公开了一种文本检测方法、电子设备和计算机可读介质，其中，文本检测方法包括：对待处理文本图像进行特征提取及特征融合，获得融合特征图，其中，待处理文本图像中包含第一文本类型的第一文本和第二文本类型的第二文本；基于融合特征图进行文本分类检测，  全部
背景技术：
现在的教育教学场景中，学生的作业或试卷大多仍然采用人工方式进行批阅，为 家长和老师带来了巨大的批阅负担。为此，多种自动判题、自动阅卷的方法应运而生。 因学生的作业或试卷中，通常打印体文本和学生手写的文本混杂，不便于机器判 断和识别。为了方便对作业和试卷进行机器处理，目前采用的方式是，作业或试卷仅用于学 生读题，而答案或选项则需要学生涂写在对应的答题卡上。然后，通过自动判题系统对学生 涂写的答题卡进行计算机识别。但是，这种方法对学生答题来说无形中增加了答题时间成 本，甚至容易出现填涂错误、漏涂的现象。有些主观题需要学生将答案写在固定方框内，当 手写答案超出答题区时会出现漏判问题。 因此，如何在文本图像中同时包含两种文本类型的文本时，如同时包含有打印体 文本和手写体文本时，简单、准确地对文本类型进行区分和有效处理，成为亟待解决的问 题。
技术实现要素：
本发明提供了一种文本检测方案，以至少部分解决上述问题。 根据本发明实施例的第一方面，提供了一种文本检测方法，包括：对待处理文本图 像进行特征提取及特征融合，获得融合特征图，其中，所述待处理文本图像中包含第一文本 类型的第一文本和第二文本类型的第二文本；基于所述融合特征图进行文本分类检测，获 得用于区分所述第一文本和所述第二文本的文本分类特征图；并且，对所述融合特征图进 行文本边界检测，获得用于指示所述融合特征图中的文本边界的文本边界特征图；将所述 文本分类特征图和所述文本边界特征图进行匹配，获得所述第一文本对应的第一文本边界 和所述第二文本对应的第二文本边界。 根据本发明实施例的第二方面，提供了一种电子设备，所述设备包括：一个或多个 处理器；计算机可读介质，配置为存储一个或多个程序，当所述一个或多个程序被所述一个 或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的文本检测方法。 根据本发明实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机 程序，该程序被处理器执行时实现如第一方面所述的文本检测方法。 根据本发明实施例提供的方案，针对同时包含有第一文本类型的文本和第二文本 类型的文本的待处理文本图像，在进行特征提取和融合，获得融合特征图后，一方面，对其 进行文本分类检测，以获得能够区分出不同文本类型的文本分类特征图；另一方面，对其进 行文本边界检测，以获得融合特征图中存在的多个文本边界对应的文本边界特征图。进而， 对文本分类特征图和文本边界特征图进行匹配，从而分别确定出第一文本类型的第一文本 5 CN 111737478 A 说　明　书 2/13 页 的文本边界（即第一文本边界）和第二文本类型的第二文本的文本边界（即第二文本边界）。 在进行文本检测时，通过对文本进行分类，可以准确区分出不同文本类型的文本，再通过与 文本边界的匹配即可准确确定出不同文本类型在待处理文本图像中的位置，以便于后续对 不同文本类型的文本进行处理。将本发明实施例的方案应用于学生作业或试题场景中时， 学生可按照正常答题习惯在作业或试卷上答题，无需额外填涂答案；并且，也避免了学生将 答案写在固定答题区外时出现的判题问题。从而，有效提升了针对同时包含不同文本类型 文本的文本图像的检测和处理效率。 附图说明 通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它 特征、目的和优点将会变得更明显： 图1为根据本发明实施例一的一种文本检测方法的步骤流程图； 图2为根据本发明实施例二的一种文本检测方法的步骤性流程图； 图3A为根据本发明实施例三的一种文本检测方法的步骤性流程图； 图3B为图3A所示实施例中的一种用于进行文本检测的神经网络模型的结构示意图； 图3C为图3B所示神经网络模型中的文本分类检测部分的结构示意图； 图3D为图3B所示神经网络模型中的边界回归分析示意图； 图3E为图3A所示实施例中的一种用于进行文本识别的神经网络模型的结构示意图； 图4为根据本发明实施例四的一种电子设备的结构示意图。