特征增强和双线性特征向量融合的移动端工业货箱文本检测

摘要：

在实际工业环境下,光线昏暗、文本不规整、设备有限等因素,使得文本检测成为一项具有挑战性的任务.针对此问题,设计了一种基于双线性操作的特征向量融合模块,并联合特征增强与半卷积组成轻量级文本检测网络RGFFD(ResNet18+GhostModule+特征金字塔增强模块(feature pyramid enhancement module,FPEM)+特征融合模块(feature fusion module,FFM)+可微分二值化(differenttiable binarization,DB)).其中,Ghost模块内嵌特征增强模块,提升特征提取能力,双线性特征向量融合模块融合多尺度信息,添加自适应阈值分割算法提高DB模块分割能力.在实际工厂环境下,采用嵌入式设备UP2 board对货箱编号进行文本检测,RGFFD检测速度达到6.5 f/s.同时在公共数据集ICDAR2015、Total-text上检测速度分别达到39.6 f/s和49.6 f/s,在自定义数据集上准确率达到88.9％,检测速度为30.7 f/s.

关键词：文本检测、半卷积、特征向量融合、特征增强、特征融合

所属期刊栏目：38

分类号：TN929.5

资助基金：国家自然科学基金;国家自然科学基金;浙江省重点研发计划项目;浙江省自然科学基金资助项目

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：75-87