深度学习场景文本检测方法综述
2021-03-23李益红陈袁宇
计算机工程与应用 2021年6期
李益红,陈袁宇
海南大学 计算机与网络空间安全学院,海口 570228
自然场景图像中的文字包含着丰富的语义信息,准确地提取文字信息对于机器场景理解、人工智能发展、工业自动化生产等行业有着重要的推动作用。因此,对场景文字检测技术的研究非常重要。近10 年来,广大研究者进行了大量有关场景文字检测方法的相关研究,并取得了一定成果。场景文字检测方法通常可分为传统场景文字检测方法和深度学习场景文字检测方法两种[1-2]。由于场景文字的特殊性:(1)自然环境背景复杂多变性;(2)文字排列、字体、字号、长度、尺度等呈现多样性;(3)光照条件不确定性。传统场景文字检测方法无法有效地解决这些问题。因此,近几年来,深度学习场景文字检测算法研究成为场景文字检测的研究热点,并取得了突破性的进展[3-4]。
1 深度学习场景文本检测方法
1.1 基于回归的文本检测方法
基于回归的文本检测方法目的是采用深度学习框架对要检测的文本目标定位坐标进行回归。据检测过程、特点不同[5-6],将基于回归的方法分为自顶向下和自底向上的检测方法。
1.1.1 自顶向下方法
自顶向下的方法是将文本行视为一种检测目标,利用目标检测网络直接检测出文本行的坐标。自顶向下方法可以根据是否预设anchor 分为间接回归与直接回归方法。
(1)间接回归法
间接回归法的思路是在特征图上预先设置一系列不同形状、大小的候选框,利用网络学习相对于候选框的偏移的文本框的坐标,消除错误的候选框。……
登录APP查看全文
