一种基于全卷积网络与实例分割网络的电力铭牌文本检测方法

1.一种基于全卷积网络与实例分割网络的电力铭牌文本检测方法，其特征在于，包括以下步骤：S1.输入目标电力铭牌图像，利用基于VGG16的全卷积神经网络，进行文本预测和非文本预测，其预测结果用热力图A表示；S2.对所述目标电力铭牌图像不同方向分别进行链接预测，其预测结果均采用热力图表示，随后将不同方向的预测结果的热力图进行融合操作得到热力图B；S3.利用全卷积网络对所述目标电力铭牌图像进行语义分割预测提取，得到对应的热力图C；S4.利用实例分割网络对所述热力图A和热力图B进行关于每一个实例的分割，得出对应的分割效果较好、边界较为分明的热力图D；S5. 将所述热力图C与所述热力图D进行融合操作得到热力图E；S6.基于所述热力图E，利用边界框生成网络生成出所述目标铭牌的文本检测边界框；步骤S2中所述目标电力铭牌图像从不同方向分别进行链接预测的预测结果需要利用滤波器对融合后的热力图进行噪声系成分的过滤后才能得到所述热力图B；所述的全卷积网络模型公式为： ，其中， 表示网络的输出， 表示卷积核的大小， 是步长或者次采样因子， 决定的是层的类型：卷积层或者是平均池化层的矩阵乘法，或者是激活函数的非线性元素乘法等其他类型的层。 2.根据权利要求书1所述的一种基于全卷积网络与实例分割网络的电力铭牌文本检测方法，其特征在于：步骤S2需要对所述目标电力铭牌图像从8个不同方向分别进行链接预测，其方向包括左边、左下、左上、右边、右下、右上、上边和下边，8个不同方向分别输出不同的热力图。