基于深度神经网络损失函数融合的文本检测

• 作者: 罗时婷 顾磊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 神经网络 文本检测 损失函数 深度学习
• 年，卷（期）: 2020,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 90-96
• 页数: 7页
• 分类号: TP391
• 字数: 5796字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1905-0432

摘要

针对基于传统深度神经网络的自然场景文本检测存在检测效果较差、文本边界框检测不准确等缺陷,提出基于损失函数融合的深度神经网络.将损失函数Balanced loss,利用加权的方法与传统深度神经网络进行融合,用于提高文本框边界区域及图像中难检测像素点的损失值,从而约束模型的优化方向,提升模型学习复杂特征的能力.实验结果表明,在自然场景文本检测中所提出方法有效提高了网络的检测准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾磊	南京邮电大学计算机学院	25	149	4.0	12.0
2	罗时婷	南京邮电大学计算机学院	1	0	0.0	0.0