基于PSENet的自然场景文字检测网络改进

• 作者: 施漪涵 仝明磊
• 来源期刊: 上海电力大学学报
• 学科: 工学
• 关键词: 文字检测 图像分割 特征融合
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机与信息科学
• 页码范围: 73-77
• 页数: 5页
• 分类号: TP183|TP389.1
• 语种: 中文
• DOI: 10.3969/j.issn.2096-8299.2021.01.014

摘要

由于自然场景中的图像背景复杂、文字排列不规则、光照条件不确定等因素,文字检测难度较大,且传统检测方法的效果并不理想.在研究文字分割检测方法PSENet(Progressive Scale Expansion Network)的基础上,提出了一种针对自然场景文字检测的改进方法.该方法由卷积神经网络提取特征模块,再通过渐进式规模扩张对文字区域进行分割检测.改进点主要是使用高精度的语义分割网络RefineNet(Refinement Net-work),对卷积网络特征提取模块进行优化,且增加较多的残差连接及链式池化,提高网络对文字区域的检测精度.通过对数据集ICDAR2015的实验结果对比,表明所提出的改进算法在精度方面略高于改进前,且能更好地解决文字粘连问题.