基于多粒度特征增强网络的交通文本检测方法

作     者：朱彦斌 王润民 陈华 曹小菲 朱祯琳 丁亚军 ZHU Yanbin;WANG Runmin;CHEN Hua;CAO Xiaofei;ZHU Zhenlin;DING Yajun

作者机构：湖南师范大学信息科学与工程学院湖南长沙410081 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年第50卷第11期

页      面：80-88页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖南省自然科学基金面上项目(2020JJ4057) 湖南省教育厅重点基金(21A0052) 长沙市重点研发计划(kq2004050) 

主　　题：卷积神经网络 文本检测 智慧交通 多粒度特征增强 联合损失函数 

摘      要：深度学习极大地推动了自然场景文本检测和识别领域的发展,然而,对行车环境中的交通文本检测研究相对匮乏。为此,提出一种新颖的端到端文本检测框架,实现对车载摄像头捕获到的交通文本检测。设计多粒度文本特征增强模块(MTFEM),通过无缝集成交通文本的粗粒度特征和细粒度特征,进行全面理解和分析,以提高对交通文本的特征表达能力。此外,为了优化网络学习,保持模型训练的稳定性,避免像素预测误差所导致梯度急剧变化,设计一种新颖的联合损失函数。实验结果表明,该方法在交通文本数据集CTST-1600和TPD上的F1值分别达到了93.7%和94.1%,与主流方法相比具有更高的检测结果。为了进一步验证所提方法的适应性,在多方向自然场景文本数据集ICDAR 2015和多语言文本数据集MSRA-TD500上的F1值分别取得了87.7%和87.0%,具有较强的鲁棒性。