基于分割的自然場(chǎng)景下文本檢測(cè)方法與應(yīng)用
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>560 K
標(biāo)簽： 像素分割 注意力機(jī)制 LSTM
所需積分：0分積分不夠怎么辦？
文檔介紹：自然場(chǎng)景文本檢測(cè)識(shí)別在智能設(shè)備中應(yīng)用廣泛,，而對(duì)文本識(shí)別的第一步則是對(duì)文本進(jìn)行精確的定位檢測(cè),。對(duì)于現(xiàn)有像素分割方法PixelLink中存在的彎曲文本定位包含過(guò)多背景信息、檢測(cè)圖像后處理不足兩個(gè)主要問(wèn)題提出改進(jìn),。引入特征通道注意力機(jī)制,，關(guān)注生成特征圖中特征通道間的權(quán)重關(guān)系，提升檢測(cè)方法的魯棒性,。接著改變公開(kāi)數(shù)據(jù)集標(biāo)注形式,，將坐標(biāo)點(diǎn)表示為一串帶有方向的序列形式，在LSTM模型中進(jìn)行多邊形框的學(xué)習(xí)與框定,。最后在公開(kāi)數(shù)據(jù)集和自建數(shù)據(jù)集上進(jìn)行文本檢測(cè)測(cè)試,。實(shí)驗(yàn)表明，改進(jìn)的檢測(cè)方法在各數(shù)據(jù)集中表現(xiàn)優(yōu)于原方法,，與當(dāng)前領(lǐng)先方法精度相近,，能夠在各個(gè)環(huán)境中完成對(duì)文本的檢測(cè)功能。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。