基于 BLSTM 网络的改进 EAST 文本检测算法

来源：计算机技术与发展杂志2020年第07期北京时间：

作者：郭闯;邱晓晖

摘要：尽管前人在文本检测和文本识别方面已经取得了显著的研究进展,但是在场景文本检测方面仍然存在着较大的不足。 即使是深度学习模型,也不会达到很好的性能。 因为整体性能取决于流程中的多个阶段和组件的相互作用。 基于深度学习神经网络模型的 EAST 算法可以在进行场景文本检测时避免传统文本检测方法不必要的中间步骤(例如候选区域和字分区域) ,从而得到了快速准确的检测效果,准确率和召回率都有大幅度的提高。 然而由于其感受野范围较短,对长文本的检测效果仍存在问题,因此文中对 EAST 算法进行改进,在 EAST 算法的基础上,引入 BLSTM 网络,提高其感受野,增强文本定位的效果。 实验结果表明,该算法在 ICDAR2015 文本定位任务的召回率为 78.07% ,准确率为 85.10% ,F-score 为 81.64% ,优于经典 EAST 算法。

关键词：文本定位;EAST;BLSTM;感受野;自然场景