自然场景下交通标识文本检测与识别算法研究

• 作者: 胡高丽 文成玉
• 来源期刊: 成都信息工程大学学报
• 学科: 工学
• 关键词: PSENet CRNN 交通文本 文本检测 字符识别
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 电子信息科学与技术
• 页码范围: 171-176
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16836/j.cnki.jcuit.2022.02.010

摘要

针对自然场景下交通标志牌文本粘连、字体复杂、大小形状不一、难以分行,导致交通文本标识率低的问题,提出一种基于PSENet+CRNN的改进交通文本检测识别算法.检测算法以PSENet为基础网络,采用特征增强模块FEM来增加模型的接受域,并改进空洞卷积的特征金字塔模型来增强多支路深层语义信息的融合能力.文本识别部分在CRNN模型中采用CTC+CenterLoss实现功能和标签的对齐、解决预测重复、预测漏字时的对齐问题.最终在CTST-1600数据集上进行验证,检测准确率达到了92.5％,字符识别率达到了88.9％,与原算法相比,分别提升了识别率4.3％和2.3％.实验结果表明,该方法有效提升了模型的检测与识别精度.