(HTBNet) 随意的形状场景文本检测与双元化超标触点和交叉的二元化
1School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430072, China.
Entropy (Basel, Switzerland)
|July 26, 2024
概括
我们介绍了HTBNet,这是一个新的场景文本检测网络,可以加快训练速度并提高各种文本尺度的准确性. 这种方法通过整合过度触点二元化和多尺度注意力机制来提高性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 基于细分的场景文本检测方法通常需要复杂的后处理,阻碍性能.
- 像DBNet这样的先前方法简化了后处理,但受到了长时间的培训时间和对文本尺度变化的敏感性差.
研究的目的:
- 解决现有的场景文本检测方法的局限性.
- 开发一个更高效,更准确的网络来检测各种尺度和复杂度的文本.
主要方法:
- 提出过度触角二元化 (HTB) 以加快网络融合,将时代从1200减少到600.
- 引入多尺度通道注意 (MSCA) 以更好地代表不同图像区域的重要特征.
- 开发了带有通道和空间的融合模块 (FMCS),以有效地融合多尺度特征地图,同时检测各种尺度的物体.
- 利用交叉损失进行训练.
主要成果:
- 与轻量级模型相比,HTBNet实现了竞争力的性能和速度.
- 在Total-Text (86.0%) 和MSRA-TD500 (87.5%) 上表现出高的F测量得分.
- 在两个数据集上均保持了30的FPS.
结论:
- HTBNet为场景文本检测提供了一种高效有效的解决方案.
- 拟议的HTB,MSCA和FMCS模块有助于提高准确性和减少训练时间.
- 该网络显示了对需要强大的文本检测的现实应用程序的巨大潜力.


