基于改进PSENet的西夏文检测研究

来源：计算机技术与发展杂志2025年第05期北京时间：

作者：于海庆;郑廷帅;史伟*

摘要：由于西夏文字形独特,结构复杂,笔画繁多,且西夏古籍存在缺字、狐斑、褪变等问题,现有的文字检测模型无法精确检测文字的位置。 因此,在综合分析当前主流研究的基础上,该文提出了一种基于改进 PSENet 网络模型的西夏文检测方法。 首先,通过 PSA 替代 ResNet 的 bottleneck 中的 3×3 卷积,组成了 EPSANet,其可以有效地提取更细粒度的多尺度空间信息;其次,提出一种自适应注意力模块(AAM)来减少特征图生成过程中的信息丢失;最后,引入了注意特征融合模块(AFF),更好地融合了具有不一致语义和尺度的特征。 实验结果表明,在西夏文数据集文本检测任务中,对比标准的PSENet 模型,改进模型的精确率和 F1-score 分别提升了 3. 9 百分点和 3. 4 百分点。 与其他主流模型相比较都有较明显的提升,证明了该方法的有效性。

关键词：文本检测;多尺度特征;特征融合;自适应注意力;西夏古籍