基于改进MTSv2的文本检测和识别算法研究

来源：计算机测量与控制杂志2024年第9期北京时间：

作者：王艳媛,茅正冲,杨雨涵

单位：江南大学 物联网工程学院

摘要：在自然场景图像中，丰富的文本内容对于全面理解场景非常重要。针对自然场景文本图像存在背景复杂、文本粘连、文本多角度等问题，提出一种基于改进MTSv2的文本检测和识别算法。检测算法以MTSv2为基础网络，首先采用CBAM注意力机制增大特征图中的小型文本的权重，更好捕捉图像中的关键特征；其次融合CE-FPN结构，减轻多尺度融合产生的特征混叠问题；最后引入focal loss函数，减少正负样本分布不均衡对识别准确率的影响，使网络更加关注难以分类的样本，改善模型的泛化能力。通过多个文本数据集进行训练，并在ICDAR2015数据集上进行验证，改进后模型对场景文本检测和识别的准确率达到了89.3%，召回率达到了87.6%，F1值达到了88.5%，相比于原模型都有一定程度的提高。

关键词：场景文本;文本检测;文本识别;CBAM;CE-FPN;注意力机制

基金资助：国家自然科学基金青年项目(6170185),国家自然科学基金(61901206)