基于改进单深层神经网络的自然场景中维吾尔文检测

• 作者: 丁维超 哈力旦·阿布都热依木 彭勇
• 来源期刊: 计算机应用研究
• 关键词: 维吾尔文检测 单深层神经网络 多尺度特征
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2876-2880
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.02.0187

摘要

针对自然场景中维吾尔文检测难度大的问题,改进单深层神经网络对自然场景中维吾尔文进行检测.该网络结构由维吾尔文特征提取组件和多层特征融合的文本检测组件组成,以端到端的方式训练学习预测维吾尔文文本框的位置以及置信度.维吾尔文特征提取组件利用卷积神经网络提取自然场景维吾尔文图像中的多尺度和多层级维吾尔文特征.多层特征融合的文本检测组件则使用维吾尔文特征提取组件提取的特征,预测文本框的位置和维吾尔文类别的置信度.分析发现与中英文检测不同,维吾尔文文本具有更特殊的特征,针对这种特性设计了多宽高比和多尺寸大小的默认框并调整了部分卷积核的大小.经在自然场景中具有维吾尔文的图片集实验表明,改进的单深层神经网络方法考虑了图像的多尺度和多层级特征对检测精度的影响,算法的准确率和F值分别达到了0.723 4和0.611 5,提高了检测的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	哈力旦·阿布都热依木	新疆大学电气工程学院	22	68	6.0	7.0
2	彭勇	新疆大学电气工程学院	1	0	0.0	0.0
3	丁维超	东南大学苏州研究院	1	0	0.0	0.0