基于注意力机制和多尺度特征的场景文本检测算法

来源：计算机测量与控制杂志2026年第6期北京时间：

作者：李琼,邢景松,廖海斌,翁灿

单位：武汉工程大学电气信息学院

摘要：针对定位信息传播路径过长，不能充分挖掘不同尺度特征的语义信息，导致难以利用底层定位信息来预测文本边界框的问题，提出了一种基于注意力机制和多尺度特征的场景文本检测方法；改进特征提取模块，构建内嵌十字交叉注意力机制的特征提取器提取多尺度特征，获取上下文感知信息；引入特征融合模块路径聚合网络(PANet)对不同尺度的特征映射进行融合，并提供多尺度的上下文语义信息，使分割网络生成更精细的边界分割结果，并在预测阶段重建损失函数；为了验证该方法的有效性，在公开数据集ICDAR2015,CTW1500和Total-Text三个公开数据集上进行实验，其综合指标F值分别达到了87.4%，82.3%，83.4%，基于注意力机制和多尺度特征的场景文本检测CM-STD的性能优于经典的EAST方法，且可与当前的LOMO方法相媲美。

关键词：场景文本检测;注意力机制;多尺度特征融合;损失函数;任意形状文本

基金资助：江西省主要学科学术和技术带头人培养计划--领军人才项目