技术摘要：
本发明公开一种基于语义分割的场景任意形状的文本检测方法，包括以下步骤：S1、构建任意形状的基于语义分割的场景文本检测网络模型；S2、根据整体目标损失函数，利用反向传播算法和随机梯度下降优化，最小化整体损失函数，对S1中设计的模型进行迭代训练；S3、利用逐步  全部
背景技术：
随着卷积神经网络的发展，场景文本检测已经取得了快速发展，目前在地理定位、 实时翻译、盲人帮助等领域得到了不错的应用。但场景文本的检测不同于传统的光学字符 识别(OCR)，由于多方向、弯曲甚至非文本行的文字布局，场景文本的检测更具有挑战性。目 前，广泛应用的场景文本检测方法中主要存在两大困难：一方面，大多数现有方法采用四边 形bounding  box(边界框)，这种边界框无法准确定位具有任意形状的文本；另一方面，有很 多场景文本行间彼此很相近，导致检测正确率不高，会把连着的文本行识别为一行。传统 上，基于分割的方法可以很好的缓解第一个困难，但通常无法解决第二个困难。
技术实现要素：
针对上述问题，本发明提出一种基于语义分割的场景任意形状的文本检测方法， 主要解决