基于高斯密度图的自然场景中文文字检测
2023-09-19王昌波仝明磊
电子设计工程 2023年18期
王昌波,仝明磊
(上海电力大学电子与信息工程学院,上海 200000)
随着人工智能学科的快速发展,文字检测技术得到了广泛的应用,如智能导航[1]、证件识别[2]、铭牌识别[3]和单据识别[4]等。目前深度学习方向的文字检测方法分为基于目标检测和基于图像分割的方法[5]。目标检测的方法通过CNN(卷积神经网络)提取图片的高层次特征,再生成预选锚框,通过目标框回归的方法找到合适的锚框。该方式具有计算量小、速度快的优势,但识别准确率略有欠缺,代表方法有CTPN[6]、TextBoxes[7]等。图像分割的方法本质上是对图片的像素点进行二分类,代表网络有U-net[8]等,这类检测方法具有精度高的优点,并且可以将任意形状的文字直接生成检测框,但计算量有所提升,并且分类结果之间是孤立离散的,代表方法有SegLink[9]、PixelLink[10]、InceptText[11]等。
虽然许多研究者提出了一些效果良好的文字检测方法,但大多是应用在英文文本的方法。对比英文文本,中文文本种类更多,文字更密集[12]。为了适应中文的特点,该文设计了一种适合中文文字检测任务的网络结构和方法,使用高斯分布密度图作为文字区域的标注,设计了一种类U-net结构的语义分割网络,并且将特征融合部分的结构由原来的跳跃连接模块改成了基于transformer[13]的交叉通道融合注意力模块,以解决编解码阶段特征集不兼容的问题。除了模型的改进外,该文针对密集文本区域预测出的密度图中,文本区域重叠的问题提出了解决方法。
1 方法建模
1.1 网络模型整体结构
该文针对中文文字检测的应用场景,设计了一种新的适合中文检测任务的网络。……
登录APP查看全文
