典型文献
基于注意力机制特征融合与增强的自然场景文本检测
文献摘要：
为了解决自然场景文本检测中由于文本实例分布随机、 形态与尺度多样造成的检测难题,设计了一种基于注意力机制特征融合与增强的自然场景文本检测算法.利用注意力机制对有效特征提取的优势,在模型的解码融合阶段设计并引入了一种基于注意力的特征融合模块(Attention-based Feature Fusion Module,AFFM),利用空间和通道注意力分别为高层特征和低层特征引入更丰富的细节和全局信息,进一步提高了检测的准确率;设计了联合注意力特征增强模块(Joint Attention Feature Enhancement Module,JAM),利用卷积对级联后的特征在不同通道之间、 空间位置间的联系建模,并生成联合特征权重mask对级联特征做加权,从而提高信息的表征能力,有效减少误检与漏检.在Total-Text和ICDAR2015两个数据集上对模型做评估,测试结果表明,该方法的F1综合指标分别达到了85.1％和87.6％,均优于当前主流算法.
文献关键词：
自然场景文本检测;注意力机制;特征融合;特征增强;深度学习
中图分类号：
作者姓名：
陈静娴;周全
作者机构：
南京邮电大学 通信与信息工程学院, 江苏 南京 210003
文献出处：
引用格式：
[1]陈静娴;周全-.基于注意力机制特征融合与增强的自然场景文本检测)[J].无线电工程,2022(01):60-69
A类：
AFFM
B类：
注意力机制,自然场景文本检测,检测算法,有效特征,解码,特征融合模块,Attention,Feature,Fusion,Module,通道注意力,低层,征引,全局信息,联合注意力,特征增强模块,Joint,Enhancement,JAM,空间位置,联合特征,特征权重,mask,表征能力,漏检,Total,Text,ICDAR2015,综合指标,流算法
AB值：
0.366704
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
