引入注意力机制的自然场景文本检测算法研究

• 作者: 李捍东 牛作东
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 注意力机制 文本检测 深度学习 特征提取
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 198-203,269
• 页数: 7页
• 分类号: TP301.6
• 字数: 4668字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.09.035

摘要

随着深度学习、神经网络的兴起与发展,对于图像中的目标检测已经取得了巨大的进展.但是自然场景下的文本信息具有多样的形式和复杂的特点,通用的目标检测算法无法取得理想的效果,因此自然场景下的文本检测在计算机视觉以及机器学习领域仍然是一项具有挑战性的问题和未来的热点研究方向.根据当前学术界针对自然场景下的文本检测问题所提出的算法和思路,在EAST算法的主干网络PVANet的基础上通过引入注意力机制模块,使得提取文本目标特征时更加关注有用信息和抑制无用信息,从而有效改善原算法在预测长文本方向信息时视野不足的问题.实验结果显示,该方法在没有损失检测效率的同时提高了原算法的检测精度,并在一定程度上优于当前针对自然场景下的文本检测算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李捍东	贵州大学电气工程学院	65	245	10.0	12.0
2	牛作东	贵州大学电气工程学院	5	16	1.0	4.0