基于R2CNN的自然场景图像中文本检测方法

在互联网世界中,图片是传递信息的重要媒介。特别是电子商务、社交、搜索等领域,每天都有数以亿兆级别的图像在传播。自然场景就是我们所处的生活环境,自然场景图像中存在着大量的文本信息,例如路标信息、商店门店信息、商品包装信息等。随着深度学习的发展,基于深度学习的文本检测技术也逐渐流行起来。文章主要提出的是基于R2CNN的文本检测算法。在R2CNN算法的基础上对算法的结构进行改进,最终算法在ICDAR2015数据集上的召回率为87.2%,精确率为81.43%。

基于改进SSD算法的自然场景文本检测

由于场景文本图像中背景的复杂性和文本方向的不确定性,精确定位文本位置难度加大。基于此,根据R2CNN算法对多方向文本的处理思想,提出将该思想与SSD算法相结合,即利用文本区域左上角、右上角坐标以及文本区域的高与SSD算法每一层特征层中不同纵横比的锚点框进行匹配,利用非极大值抑制筛选出最优文本框,获得文本区域。为适应场景文本,提出增添相应的锚点框纵横比,从而进行自然场景文本检测。实验结果表明,所提方法不仅可以检测出倾斜的场景文本,而且提高了SSD算法在场景文本检测时的准确性和召回率,最终准确率为0.7056,召回率为0.5342,F值为0.6080。