自然场景下端到端藏文检测与识别方法研究

来源：计算机工程与应用杂志2026年第15期北京时间：

作者：邢沛然, 仁青东主, 尼玛扎西, 道吉扎西, 蔡郁青, 刘卓雅

单位：1.西藏大学 信息科学技术学院，拉萨 850000；2.藏语智能全国重点实验室，拉萨 850000；

摘要：针对藏文自然图像数据匮乏、自然场景背景噪声过大以及藏文字符特征相似等问题导致的检测与识别准确率偏低，构建了一个面向自然场景的藏文检测与识别公开数据集（NSTD）。同时，提出了一种端到端的藏文检测与识别方法，该方法采用Swin Transformer作为特征提取模块，结合Transformer Encoder架构，并创新性地引入窗口提示和文本提示机制，构建了基于时序特征的识别模块。实验结果表明，所提模型在NSTD数据集上的检测F1分数达到83.66%，字符识别正确率为81.92%。此外，通过消融实验验证了提示方法的有效性：与不使用提示方法的基线模型相比，采用提示方法后，模型的精确率、召回率、F1值和基于词典的平均识别正确率分别提高了1.25、1.98、1.67和2.57个百分点，充分证明了所提方法在端到端藏文检测与识别任务中的有效性。

关键词：藏文检测与识别,自然场景,基于提示

基金资助：新一代人工智能国家科技重大专项（2022ZD0116100）；西藏大学研究生“高水平人才培养计划”项目（2025-GSP-S140）。