基于NLA-EAST的自然场景文本检测方法

摘要：

近年来,基于深度学习的场景文本检测算法层出不穷,对于EAST在自然场景中对长文本和较大文本检测不准确,存在容易出现误检漏检的问题.论文提出一种基于NLA-EAST网络(Non-Local Attention-An Efficient and Accurate Scene Text Detector)上的新颖的文本检测算法,通过ASPP空洞卷积来扩大感受野,来获得更大感受野的上下文信息.并且通过结合EAST和非局部注意力机制来精确定位文本边界,准确检测自然场景下的文本位置,克服了EAST对于较大文本和长文本的漏检和误检.对提出的方法进行了数据集测试,在文本定位精度方面由于竞争方法,在ICDAR 2015数据集中,F值达到了84.5％,在天池数据集上,F值达到了84.82％.

关键词：场景文本检测;长文本;较大文本;NLA-EAST;非局部注意力

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1420-1425