联合边界框校准的自然场景文本检测

• 作者: 方承志 火兴龙 程宥铖
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本检测 自然场景 类别失衡 边界框校准
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 161-167
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1910-0008

摘要

针对自然场景下多方向文本对象,提出一种基于深度学习的文本检测方法.该方法在设计锚框时剥离锚框的方向特征但保留其长宽比特征,在覆盖相同长宽比范围时,锚框设计数量减少,从而缓解采样密集时正负样本类别失衡的影响.在方法的后处理阶段,提出一种边界框校准算法,该算法利用最大稳定极值区域(MSER)获取字符边缘信息,通过基于规则的逻辑判断,对边界框进行收缩或膨胀操作,从而达到边界框校准目的.通过在公开数据集ICDAR2015上的测试与比较,验证了所提边界框校准算法的有效性.