一种基于Transformer的多方向文本定位方法

本发明公开了一种基于Transformer的多方向文本定位方法，包括对初始文本图像进行预处理，以得到中间图像；将中间图像输入至文本定位模型中，文本定位模型为包括骨干网络、编码器、特征融合层以及解码器的Transformer文本定位模型，通过骨干网络得到第一图像特征，通过编码器得到第二图像特征，特征融合层用于融合第一图像特征和第二图像特征，以得到包含目标文本在内的矩形框架；基于矩形框架的多个端点分别对应的端点顺序以及端点坐标值，确定初始文本图像对应的旋转角度；基于旋转角度对矩形框架进行旋转，以得到正向文本图像。通过解码器输出四点标注框，能够灵活适应任意方向和形状的文本区域，有效解决了旋转文本、倾斜文本无法准确定位的问题。