改进PSENet的自然场景文本检测方法

彭栋，支世尧，李盛达，杨鹏

摘  要： 基于深度学习的检测方法在文本形状较规则的情况下，已经取得较好的检测结果，但对于倾斜以及弯曲的文本行仍有改进空间。文章在渐进式尺度扩展网络PSENet的基础上，通过使用Res2Net模块提取多尺度特征，并结合全局卷积网络GCN进行特征融合，来对原有模型进行改进。根据在SCUT-CTW1500和Total-Text数据集的实验结果对比，证明改进的算法有效可行。

关键词： 文本检测; 语义分割; 多尺度; 全局卷积

中图分类号：TP389.1          文献标识码：A     文章编号：1006-8228（2022）06-89-04

Improved PSENet natural scene text detection method

Peng Dong， Zhi Shiyao， Li Shengda， Yang Peng

（School of Information Engineering，Nanjing Audit University， Nanjing， Jiangsu 211815， China）

Abstract： The detection method based on deep learning has achieved good results in the case of regular text shape， but there is still an improved space for tilting and curved text. Based on the progressive scale expansion network PSENet， the original model is improved by using the Res2Net module to extract multi-scale features and combined with the global convolution network GCN. According to the comparison of experimental results in SCUT-CTW1500 and Total-Text data sets， the effectiveness of the improved algorithm is proved.

Key words： text detection; semantic segmentation; multi-scale; global convolution

0 引言

近年来，随着互联网的发展和手机的普及，人们逐渐习惯于从生活场景中获取图片并进行分享。文字作为信息传递的重要载体，如何从自然场景的图片中准确地提取出文字信息变得越来越重要。深度学习的兴起，尤其是卷积神经网络在计算机视觉领域的广泛应用为自然场景下的文本识别带来了发展契机。

对图片中的文本进行识别前，需要预先进行文本检测以提取出文本所在的区域。高性能的文本检测系统可以极大地剔除干扰信息，为文本识别奠定良好的基础[1]。目前，基于深度学习的文本检测方法在文字行形状较规则的场景中已经获得较好的性能，但由于目标检测网络感受野的限制，以及文本目标表达方式的单一，对于文本形状不规则的场景，检测性能仍有提升的空间。

本文在PSENet[2]网络的基础上，结合Res2Net[3]模块和GCN[4]网络对其进行改进，并在标准文字数据集上进行实验结果分析以验证网络的可行性。……