付明辉

（北方工业大学城市道路交通智能控制技术北京市重点实验室，北京，100144）

1 文本检测模型

图1 为本文提出方法的总体框架.本文将主干网络MobileNetV3 进行适当地修改,提高了网络提取特征的能力。其次,采用更加高效的分割头。分割头主要包括残差增强型的FPN 模块和自适应特征融合模块。如图1 所示,对于FPN 结构来说,越深层的特征意味着更多的通道数,但是各层特征进行融合时都是自顶向下传播,所以顶层特征为了势必会减少更多的通道数,最高层的特征往往会丢失更多的信息,所以为了保留更多的上下文信息,在FPN 中加入残差增强模块,保留更多的深层特征.最后利用自适应特征融合模块对各层特征进行自适应融合,得到最终的分割特征.利用特征F 对概率图(P)和阈值图(T)进行预测,根据可微二值化模块(DB[3])将概率图和阈值图结合得到二值图(B′),自适应预测每个位置的阈值。最后通过边界框形成从近似二值图中获得文本的检测框。

图1 总体网络结构图

■1.1 MobileNetV3 网络的轻量化

MobileNetV3 的主要组成模块包括深度可分离卷积和SE 模块，本文将MobileNetV3 里SE 模块[4]替换为更加轻量级的SA 模块。SE 模块是一个通过压缩和激发的方式寻找图像通道之间的相互依赖关系，并自适应的重新校准通道特性响应，从而提高任务的准确率。但是对于自然场景文本检测任务来说，输入图像的大小为640×640，很难用SE模块估计通道特征响应,精度提高有限。同时带来了巨大的参数量。

■1.2 残差特征增强

在FPN 结构中，M5 层属于深层特征具有很多的通道信息，但是在自顶向下的融合过程中，由于减少了特征通道必然会导致上下文信息的丢失。……