中文标题：基于高分辨扩展金字塔的场景文本检测

英文标题：Scene Text Detection Based on High Resolution Extended Pyramid

来源期刊：电子与信息学报

基金项目：国家自然科学基金(52074305)，河南省科技攻关(242102221006)

作  者：王满利¹ 窦泽亚¹ 蔡明哲¹ 刘群坡² 史艳楠¹

作者单位：1. 河南理工大学物理与电子信息学院 焦作 454003
2. 河南理工大学电气工程与自动化学院 焦作 454003

摘  要：文本检测作为计算机视觉领域一项重要分支，在文字翻译、自动驾驶和票据信息处理等方面具有重要的应用价值。当前文本检测算法仍无法解决实际拍摄图像的部分文本分辨率低、尺度变化大和有效特征不足的问题。针对上述待解决的问题，该文提出一种基于高分辨扩展金字塔的场景文本检测方法(HREPNet)。首先，构造一种改进型特征金字塔，引入高分辨扩展层和超分辨特征模块，有效增强文本分辨率特征，解决部分文本分辨率低的问题；同时，在主干网络传递特征过程中引入多尺度特征提取模块，通过多分支空洞卷积结构与注意力机制，充分获取文本多尺度特征，解决文本尺度变化大的问题；最后，提出高效特征融合模块，选择性融合高分辨特征和多尺度特征，从而减少模型的空间信息的丢失，解决有效特征不足的问题。实验结果表明，HREPNet在公开数据集ICDAR2015, CTW1500和Total-Text上综合指标F值分别提高了6.0%, 4.4%和2.5%，在准确率召回率上都得到显著提升；此外，HREPNet对不同尺度和分辨率的文本检测效果均有明显提升，对小尺度和低分辨率文本提升尤为显著。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT241017