多尺度池化和双向特征融合的场景文本检测.pdfVIP

1542024，60（2）ComputerEngineeringandApplications计算机工程与应用

多尺度池化和双向特征融合的场景文本检测

112

魏哲亮，李岳阳，罗海驰

1.江南大学人工智能与计算机学院，江苏无锡214122

2.江南大学物联网工程学院，江苏无锡214122

摘要：针对自然场景中文字背景复杂多样、形态大小各异的问题，提出了一种新的基于分割的场景文本检测网

络。通过构建多尺度池化和双向特征融合两个模块来提升网络性能。根据文本实例的特点，多尺度池化模块使用

不同长宽比窗口的空间池来捕获不同距离上文本信息的依赖关系，指导网络得到更加准确的分割结果。双向特征

融合模块构建了两条不同方向的融合路径，以更好地利用主干网络的不同尺度特征，提升网络对不同尺度文本的检

测性能。实验结果证明了所提方法的有效性，在ICDAR2015、MSRA-TD500和Total-Text这三个公开数据集上，分别

取得了87.7%、86.7%和85.5%的F-measure值。

关键词：文本检测；图像分割；多尺度池化；双向特征融合

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2210-0077

SceneTextDetectionBasedonMulti-ScalePoolingandBidirectionalFeatureFusion

112

WEIZheliang,LIYueyang,LUOHaichi

1.CollegeofArtificialIntelligenceandComputerScience,JiangnanUniversity,Wuxi,Jiangsu214122,China

2.CollegeofInternetofThingsEngineering,JiangnanUniversity,Wuxi,Jiangsu214122,China

Abstract：Texthascomplexbackground,withdifferentshapesandsizesinthenaturalscene.Tosolvethisproblem,a

newscenetextdetectionnetworkbasedonsegmentationisproposed.Thenetworkperformanceisimprovedbybuilding

twomodules：multi-scalepoolingandbidirectionalfeaturefusion.Accordingtothecharacteristicsoftextinstances,the

multi-scalepoolingmoduleusesspatialpoolingwithdifferentaspectratioswindowtocapturethedependencyoftext

informationatdifferentdistances,whichguidesthenetworktoobtainmoreaccuratesegmentationresults.Thebidirectional

featurefusionmoduleconstructstwofusionpathsindifferentdirectionstobetterutilizethedifferentscalefeaturesofthe

backbonenetworkandimprovethenetwork’sdetectionperformancefortextsofdifferentscales.Theexperimentalresults

provetheeffectivenessoftheproposedmethod.OntheICDAR2015,MSRA-TD500andTotal-Textthreeopendatasets,

87.7%,86.7%and85.5%