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！

龙图腾网获悉福州大学申请的专利基于YOLOV5的自然场景文本检测与识别方法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：CN115205839B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202210785742.4，技术领域涉及：G06V20/62；该发明授权基于YOLOV5的自然场景文本检测与识别方法是由柯逍;卢恺翔设计研发完成，并于2022-07-05向国家知识产权局提交的专利申请。

本基于YOLOV5的自然场景文本检测与识别方法在说明书摘要公布了：本发明提出一种基于YOLOV5的自然场景文本检测与识别方法，包括：步骤S1：获取自然场景文本图像数据集，将对应标签转换为YOLOV5所需要的格式；步骤S2：用YOLOV5的轻量级特征提取器提取图像文本的位置信息和深层的语义信息；利用跨层连接和空间金字塔池化层将浅层特征和深层特征结合；在跨层连接中加入形变卷积，使得网络能够更好地处理特征图尺度的变化；步骤S3：利用Kmeans算法聚合过的锚框拟合真实文本框的长宽比，并预测锚框与真实框的偏差；利用长卷积处理特征，让锚框的长宽比更贴合真实文本框；步骤S4：利用双向LSTM和注意力机制对齐文本特征并预测文本序列；其能够实现利用深度学习完成对自然场景文本进行检测和识别，且轻量级足以实现在移动端部署。

本发明授权基于YOLOV5的自然场景文本检测与识别方法在权利要求书中公布了：1.一种基于YOLOV5的自然场景文本检测与识别方法，其特征在于，包括以下步骤； 步骤S1：获取自然场景文本图像数据集，将对应标签转换为对应YOLOV5的格式； 步骤S2：采用YOLOV5的轻量级特征提取器提取图像文本的位置信息和深层的语义信息；利用跨层连接和空间金字塔池化层将浅层特征和深层特征结合；在跨层连接中加入形变卷积，使得网络能够更好地处理特征图尺度的变化； 步骤S3：利用Kmeans算法聚合过的锚框拟合真实文本框的长宽比，并预测锚框与真实框的偏差；利用长卷积处理特征，使锚框的长宽比更贴合真实文本框； 步骤S4：利用双向LSTM和注意力机制对齐文本特征并预测文本序列； 步骤S2具体包括以下步骤； 步骤S21：将图像按批次输入到由多个Conv模块和多个BottleneckCSP模块组成的特征提取器中，其中Conv模块包含卷积核大小3×3的卷积层、批归一化层BN和SiLU激活函数；如公式一所示： FConv_out＝SiLUBNConv3×3FConv_in 公式一； 其中FConv_in是Conv模块的输入特征，Conv3×3是卷积核大小3×3的卷积层； BottleneckCSP模块由Bottleneck加上CSP构成；Bottleneck将输入特征经过卷积核大小1×1的卷积层，再经过卷积核大小3×3的卷积层，再将输入特征与之相加；如公式二所示，其中FBottleneck是Bottleneck模块的输出，FBottleneck_in是Bottleneck模块的输入特征，Conv3×3是卷积核大小3×3的卷积层,Conv1×1是卷积核大小1×1的卷积层； FBottleneck＝FBottleneck_in+Conv3×3Conv1×1FBottleneck_in 公式二； CSP将原输入分成两个分支，分别进行卷积操作使得通道数减半，然后一个分支进行Bottleneck×N操作，其中N为自定义参数，然后Concat两个分支，使得BottlenneckCSP的输入与输出是一样的大小；如公式三所示： FConcat＝ConcatN×BottleneckConv1×1Fin_c2_1,Conv3×3Fin_c2_2公式三； 其中FConcat是两个分支Concat的结果，Concat是特征拼接操作，Bottleneck指代公式二的运算，Fin_c2_1和Fin_c2_2代表输入特征的两个分支，通道数是原输入特征的一半； 再将FConcat经过批归一化层BN、LekyReLU激活函数和Conv1×1得到BottlenneckCSP的输出FBottleneckCSP，如公式四所示： FBottleneckCSP＝Conv1×1LekyReLUBNFConcat 公式四； 步骤S22：将经过Conv模块和BottleneckCSP下采样32倍的特征输入到SPP空间金字塔池化层模块中，将不同尺寸的特征图进行最大池化操作，再池化后的特征拼接，作为特征提取器的输出；如公式五所示： FSPP_out＝DeformableConvConcatFSPP_in,Maxpooling13×13FSPP_in, Maxpooling9×9FSPP_in,MaxPooling5×5FSPP_in 公式五； 其中FSPP_in是SPP模块的输入特征，FSPP_out是SPP模块的输出，Maxpooling13×13，MaxPooling9×9，MaxPooling5×5分别代表采样核大小为13×13，9×9，5×5的最大池化层，DeformableConv为形变卷积模块； 步骤S3具体包括以下步骤； 步骤S31：利用Kmeans算法拟合真实文本框的长宽比，将所有真实文本框的比例输入到Kmeans中，以聚类出多个锚框的长宽比； 步骤S32：利用特征提取器提取的特征对锚框与真实文本框的偏差进行预测；首先将特征经过1×7长卷积网络，用于提取适合长文本的语义特征；再将处理后的特征分为gridn×gridn个网格，gridn为自定义参数；网络将预测四个偏移量tx1,ty1,th1,tw1，计算方法如公式六、公式七、公式八、公式九所示： tx1＝logbboxx2-cx31-bboxx2-cx3公式六； ty1＝logbboxy2-cy31-bboxy2-cy3公式七； th1＝loggth4ph5公式八； tw1＝loggtw4pw5公式九； 其中bboxx2，bboxy2分别代表真实文本框的中心点横纵坐标；cx3，cy3代表真实文本框对应的网格的左上角横纵坐标；gth4，gtw4代表真实文本框的高和宽；ph5，pw5代表锚框的高和宽；网络通过预测这4个偏移量进而预测文本框的位置。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。