一种改进注意力机制与关键区域的文本检测方法

摘要：

在对比传统文本检测和基于深度学习文本检测的光学字符识别应用效果基础上,提出一种改进的注意力连接文本提议网络(ACTPN)算法.该算法利用注意力机制的信息处理能力,增强网络对关键特征的提取效果;利用编号位置特征作为筛选依据去除冗余候选框,提高集装箱编号区域筛选的准确度;在训练策略中加入迁移学习方法,增强算法检测鲁棒性和系统可靠性.实验结果表明:改进的检测方法能够大幅度提高算法的检测精度,特别是在复杂环境中对集装箱编号检测的准确率可达88.83％,每张图片的检测耗时由原来的0.60 s减少到0.38 s.

关键词：深度学习、光学字符识别(OCR)、连接文本提议网络(CTPN)、注意力机制、迁移学习

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：天津市自然科学基金资助项目18JCYBJC84900

在线出版日期：2022-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：26-32