典型文献
面向自然场景文本检测的FPPMAC模型
文献摘要：
为进一步解决自然场景下文本方向多变、形状不规则以及分布密集等分割问题,提出了一个由特征金字塔网络(Feature Pyramid Network,FPN)和并行多空洞卷积(Parallel Multiscale Atrous Convolution,PMAC)模块构成的FPPMAC模型.其中,PMAC模块由4个空洞卷积层组成,可同时提供4种不同大小的感受野.此外,使用循环收缩算法从已知文本区域得到多个形状相同的子文本区域,并将其与FPPMAC模型所生成的多个分割图相匹配,由此可作为分割图的真实标签.利用标准数据集ICDAR2015、CTW1500进行实验,实验结果表明,FPPMAC模型的准确率分别达到了88.49％和89.17％,相较于其他经典模型,能够更准确地定位文本区域.
文献关键词：
场景文本检测;深度学习;卷积神经网络;计算机视觉
中图分类号：
作者姓名：
张习文;倪建成;祁蓉;王琪
作者机构：
曲阜师范大学 网络空间安全学院,山东 曲阜,273165;曲阜师范大学 网络信息中心,山东 曲阜,273165
文献出处：
引用格式：
[1]张习文;倪建成;祁蓉;王琪-.面向自然场景文本检测的FPPMAC模型)[J].通信技术,2022(02):160-165
A类：
FPPMAC
B类：
自然场景文本检测,特征金字塔网络,Feature,Pyramid,Network,FPN,空洞卷积,Parallel,Multiscale,Atrous,Convolution,卷积层,同大,感受野,本区,所生,利用标准,标准数据集,ICDAR2015,CTW1500,计算机视觉
AB值：
0.352474
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。
