改进的Faster R-CNN文本检测算法

2021-09-22陈心怡王雪娇

安庆师范大学学报(自然科学版) 2021年3期

陈心怡，王雪娇，胡石

（1.池州职业技术学院机电与汽车系，安徽池州247000；2.无锡机电高等职业技术学校，江苏无锡214028）

深度学习越来越广泛地应用于自然场景图像的文本检测中，常用算法包括R-CNN、Fast R-CNN和Faster R-CNN。自然场景文本检测的困难主要有：自然场景中的背景复杂，光线、噪声等影响大，给文本检测的准确性带来诸多不确定性；滑动窗口的固定性造成运算复杂度大大增加。为此，国内外学者提出了一系列基于深度学习的文本检测算法。针对多方向维度的文本信息：Wei等在anchor中新增了文本的方向度数信息[1]；Liao等调整了Default Boxes的长宽比以适应文本对话框，将SSD改进成了可以适应端对端训练的Text Boxes模型[2]；Liao等对Text Boxes模型进行了改进，演化成了Text Boxes++模型[3]，可以更好地处理多方向的文本信息检测。

Faster R-CNN在结构上整合了特征提取、生成提取、边界框回归、分类器，并融合在一个网络中，可以很好地提升网络识别速度，并取得较好的综合性能。Faster R-CNN模型的目标优化函数为

Faster R-CNN算法本身存在缺陷，尤其是在文本区域预测方面。传统的滑动窗口RPN有2个明显的缺陷[4]：（1）滑动窗口一旦设定为固定值，它不能随真实或自然场景中的图像而变化；（2）在任务处理过程中，不仅要进行一系列繁杂的计算，还要同多个模型进行匹配，需要耗费大量的时间才能完成学习训练。针对此问题，本文对该算法加以改进。