融合局部特征与全局特征的场景文本检测算法

来源：计算机技术与发展杂志2022年第S2期北京时间：

作者：赵晓芹

摘要：检测复杂场景下的文本是一项极具挑战性的任务,现有的文本检测方法有将字符作为目标进行检测的,也有将单词作为目标进行检测的。 对于单词内部排列较为松散的文本或字符之间间隔较小的文本,基于字符的检测算法容易将一个单词检测为多个单词,或将多个单词检测为一个单词。 在这种情况下,基于单词的方法检测精度要更高一点,但是基于字符的方法比基于单词的方法更能准确的检测到文本中的每个符号。 鉴于它们各自的优缺点,使用 ResNet 与 FPN 结合的网络,将这两种方法进行整合,充分利用文本的底层特征与高层特征。 在检测单词的同时也检测单词中每个字符的信息,将这两种信息优化、融合,从而达到一种更好的检测效果。 为了降低标注字符数据集的成本,在实验中加入弱监督的方法,使网络在只有单词标注的数据集上训练也能很好的检测字符。 最后在 ICDAR 2013 数据集、ICDAR 2015 数据集和Total-Text 数据集上验证此方法的有效性。

关键词：文本检测;弱监督;特征融合;ResNet;FPN