摘要：目前,基于深度学习的自然场景文本检测在复杂的背景下取得很好的效果,但难以准确检测到小尺度文本.本文针对此问题提出了一种基于特征融合的深度神经网络,该网络将传统深度神经网络中的高层特征与低层特征相融合,构建一种高级语义的神经网络.特征融合网络利用网络高层的强语义信息来提高网络的整体性能,并通过多个输出层直接预测不同尺度的文本.在ICDAR2011和ICDAR2013数据集上的实验表明,本文的方法对于小尺度的文本,定位效果显著.同时,本文所提的方法在自然场景文本检测中具有较高的定位准确性和鲁棒性, F值在两个数据集上均达到0.83.
分类：期刊> 自然科学与工程技术> 信息科技> 计算机软件及计算机应用
收录：统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 哥白尼索引(波兰) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：深度学习 自然场景 文本检测 特征融合 文本边界框
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
