文章详情
| 稿件标题： | 基于自注意力与多粒度卷积的文本识别方法 |
| 稿件作者： | 崔立志1,2,李俊1,2 |
| DOI： | 10.11809/bqzbgcxb2023.S1.052 |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 文本形态；多粒度；Transformer；混合注意力；自注意力 |
| 文章摘要： | 针对自然场景中文本形态差异大，背景纹理复杂等问题，提出一种多粒度卷积神经网络联合自注意力的文本检测与识别方法。设计ResNetT的模型框架用于抽取多尺度特征，该框架综合Transformer的结构优点以及卷积神经网络的性能特点，在不增加计算量的同时提升原本映射强度，增强信息的捕获能力；根据高分辨率文本图像具有间距小、纹理复杂的特点，设计混合注意力(shuffle attention，SA)解决噪声影响以及小目标丢失等问题；以自注意力机制为时序分类编码器对特征序列预测，建立字符序列与视觉感知的联系。在公开数据集上进行实验研究，结果表明，所提方法能够克服文本形态等因素的影响，实现复杂背景下文本分割与识别，在Icdar2015数据集的检测与识别的准确率达到90.2%。 |
| 稿件基金： | 国家自然科学基金项目(U1804147)；河南理工大学教改项目（2019JG033） |
| 引用本文格式： | 崔立志,李俊.基于自注意力与多粒度卷积的文本识别方法［J］.兵器装备工程学报，2023,44(S1):300-306. CUI Lizhi, LI Jun.Text recognition method based on selfattention and multigranularity convolution［J］.Journal of Ordnance Equipment Engineering,2023,44(S1):300-306. |
| 刊期名称： | 2023年增刊1期 |
| 出版时间： | 2023年8月 |
| 上线时间： | 2023年8月5日 |
| 浏览次数： | 1313 |
| 下载次数： | 42 |
| 免费阅读PDF 下载本期目录 下载本期封面 | |