具有仿射变换锚点的文字检测方法

2021-02-03仝明磊姚宏扬

上海电力大学学报 2021年1期

仝明磊, 姚宏扬

(上海电力大学电子与信息工程学院, 上海 200090)

文字检测是计算机视觉中的一个重要部分,也是文字识别的必要过程。自然场景下的文字检测目前依然面临很大的挑战,主要是因为自然场景图像中的文字在亮度、模糊、形状、方向等方面有很高的随机性,导致文字检测的难度较大。

近年来,研究者提出了很多的文字检测方法[1-5]。尽管这些方法提高了检测结果,但大多还是基于水平的检测方式,无法有效解决自然场景图像中文字复杂多变的情况。在实际应用中,大部分图片中的文字区域都不是水平的,通过以前的水平候选区方法来大量训练并不能得到很高的检测精度,还会增加大量的计算时间。最近带有几何方向性的文字检测方法被提出[6-7]。该方法主要是通过自底向上的卷积神经网络(Convolutional Neural Network,CNN)[8-9]进行特征提取来生成文字预测特征图,再通过计算有倾斜性质和特殊形状的锚点框与特征图上网格之间的置信度,使用回归方法或者其他精细调整方法得到最终的检测结果。区域提议网络(Region Proposal Network,RPN)与Faster-RCNN[10]框架的结合,进一步加快了锚点的提议进程。本文将角度信息和仿射变换信息加入多方向文本检测的模型中,以期进一步优化适应文字区域的检测。