任意形状文字提取技术用于检测图像中任意排列的不规则英文文字并将其准确识别,该技术可以提升视觉机器提取场景或图片中关键信息的能力。文字的检测与识别目前是图像识别领域的一个热门研究项目,它与我们的生活密切相关,尤其在场景理解、自动驾驶、残障辅助等方面都有着不错的应用前景。深度学习也在计算机高度发展的当代有着不俗的研究价值,而且已经从学术研究领域逐步迁移到人们的生活应用之中,深度学习可以根据不同的任务自动学习数据中的特征,经过深度学习的特征通常具有较好的鲁棒性。深度学习在文字提取领域逐渐成熟,特别是对于形状比较规则的文字,已经有诸多不错的识别效果。任意形状文字是指同一图像中方向和形状不统一的文字集合,现有的算法很难高效准确地识别出带有任意形状特征的文本,再加上文字图像中复杂的背景信息,识别起来有较大的困难。本文在深度学习基础上提出一种新的文字提取技术,该系统包含检测、矫正和识别算法。具体工作如下。首先,针对任意形状文字的检测,设计一种任意形状文本检测网络,采用预处理模块来过滤背景冗余信息,通过对图卷积层、图池化层、输出层和全连接层的改进来构造全新的检测网络,从而改善图卷积网络的特征提取能力,采用多层感知机网络进行特征学习,通过Softmax分类器进行文字区域划分,并使用回归函数对检测区域进行参数调整,解决文本检测在边缘区域的偏差问题。然后,针对任意形状文字的矫正,设计形状表达模块来生成贴合任意形状文本部分的轮廓框并进行轮廓标签,对标签后的轮廓框基于薄板样条插值方法实施矫正,从而将任意形状文字矫正成较规整文字,以便后续的文字识别。最后,针对任意形状文字的识别,设计图卷积网络与图注意力机制结合的识别网络,该方法能够解决旋转后含义不同的字符在识别时方向的正确性,通过引入门控循环单元解决文本信息丢失与训练速度过慢等问题。本文提出的文字检测与识别方法在多种具有任意形状英文文本特征的数据集上均达到较高的指标。