發(fā)布時間：2021-06-22 15:47

　　在自然場景圖像中,文字是最常見的物體對象,它經(jīng)常出現(xiàn)在交通指示牌、產(chǎn)品包裝等物體上。有效檢測場景圖像中的文字有助于許多應(yīng)用程序?qū)崿F(xiàn)特定的功能,例如基于圖像的地理定位系統(tǒng)可以通過檢測并識別場景圖像文字來實現(xiàn)定位功能。隨著深度學(xué)習(xí)的飛速發(fā)展,越來越多的基于深度學(xué)習(xí)的物體檢測算法模型被用來進行場景圖像的文字檢測。但是,由于場景圖像中的文字對象與通用物體對象不同,文字對象不僅具有尺度豐富、方向任意和寬高比極端等特性,而且容易受到類似文字背景地干擾。針對自然場景圖像中文字的分布特性,本文對自然場景圖像中的文字檢測方法進行研究。主要工作如下:（1）設(shè)計了一種基于SSD物體檢測算法改進的自然場景文字檢測模型,該模型在SSD物體檢測算法的基礎(chǔ)上增加了一個文字區(qū)域檢測模塊。該模塊可以根據(jù)前面不同尺度的特征提取層檢測到的特征圖感受野的不同,調(diào)整默認(rèn)預(yù)選框的寬高比、卷積濾波器的形狀以及默認(rèn)預(yù)測框的空間密度。該模塊可以高效地融合各特征圖上的文字檢測結(jié)果,從而增強不同尺度文字檢測的魯棒性。（2）本文設(shè)計的場景圖像文字檢測模型針對SSD物體檢測算法只能生成水平矩形的物體區(qū)域邊界檢測框,而導(dǎo)致對多方向的文字檢測效果... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

LSTM網(wǎng)絡(luò)結(jié)構(gòu)流程圖

杭州電子科技大學(xué)碩士學(xué)位論文19特征提取模塊的基礎(chǔ)網(wǎng)絡(luò)，使用VGG-16的目的是為了使用訓(xùn)練好的模型進行遷移學(xué)習(xí)從而降低網(wǎng)絡(luò)的訓(xùn)練難度。VGG-16具有非常簡單高效的網(wǎng)絡(luò)結(jié)構(gòu)，首先，該網(wǎng)絡(luò)的前面幾層僅使用一個3×3卷積濾波器來加深網(wǎng)絡(luò)的深度，還使用了最大池化過程來順序降低每一層中的神經(jīng)元數(shù)量。其次，該網(wǎng)絡(luò)的最后三層由兩個全連接層以及一個Softmax分類層組成。因此，VGG-16網(wǎng)絡(luò)在大規(guī)模的圖像分類任務(wù)中具有出色的效果。SSD算法在VGG-16網(wǎng)絡(luò)的基礎(chǔ)上進行了改進，主要是將VGG-16網(wǎng)絡(luò)后面的全連接層替換成卷積層，并在之后添加多個多尺度的卷積層。VGG-16的基本結(jié)構(gòu)如圖2.11所示。圖2.11VGG-16基本結(jié)構(gòu)圖2.4.2SSD物體檢測算法默認(rèn)預(yù)選框生成策略默認(rèn)預(yù)選框(defaultbox)是SSD物體檢測算法中的一個重要概念，SSD算法通過生成具有固定數(shù)量的多尺度默認(rèn)預(yù)選框來預(yù)測輸入圖像中待檢測物體的區(qū)域邊界框以及物體類別。引入默認(rèn)預(yù)選框的基本思想是網(wǎng)絡(luò)在使用卷積層預(yù)測物體邊界框時有一個參考的目標(biāo)，即卷積層預(yù)測時只需要預(yù)測物體相對于默認(rèn)預(yù)選框的偏移值就可以了。那么基于這個思路，默認(rèn)預(yù)選框在與目標(biāo)配對時越接近目標(biāo)的邊框越好，所以這就涉及到在不同尺度的特征圖分配不同默認(rèn)預(yù)選框的策略。SSD物體檢測算法中的默認(rèn)預(yù)選框的設(shè)置，包括尺度和寬高兩個方面。對于默認(rèn)預(yù)選框的尺度，其遵守一個線性遞增規(guī)則：隨著特征圖大小降低，先驗框尺度線性增加。記網(wǎng)絡(luò)的最小檢測尺度為，最大檢測尺度為，總共有層特征圖用于檢測，那么每層特征圖的默認(rèn)預(yù)選框的尺度計算公式如2.12所示：ss1(k),k,m(2.12)在SSD物體檢測算法中，每個卷積層提取的特征圖的數(shù)量m默認(rèn)設(shè)置為6，

杭州電子科技大學(xué)碩士學(xué)位論文26圖3.4默認(rèn)預(yù)選框預(yù)測預(yù)測文字區(qū)域邊界框?qū)嵗鐖D3.4所示為默認(rèn)預(yù)選框預(yù)測預(yù)測文字區(qū)域邊界框?qū)嵗�。圖中顯示了不同設(shè)置比例生成的兩個默認(rèn)預(yù)選框b0，在圖中用黑色虛線和黃色虛線表示。其中黃色虛線的默認(rèn)預(yù)選框與真實文字標(biāo)注邊界框匹配。紅色實線為真實文字標(biāo)注邊界框，綠色實線為真實文字標(biāo)注邊界框的最小水平外接矩形。最終需要求解的是匹配的黃色虛線默認(rèn)預(yù)選框0到和的偏移量，如圖3.4中紅色箭頭和綠色箭頭所示。在SSD物體檢測模型中，自動生成的默認(rèn)預(yù)選框的表示形式為b0=(x0,y0,w0,h0)，其中(x0,y0)表示默認(rèn)預(yù)選框的中心點，w0和h0分別表示默認(rèn)預(yù)選框的寬度和高度。在本文提出的場景圖像文字檢測模型中，為了能夠檢測任意方向的文字區(qū)域，文字區(qū)域檢測模塊生成的默認(rèn)預(yù)選框0可以表示為q0(x01q,y01q,x02q,y02q,x03q,y03q,x04q,y04q)。其中，q0為默認(rèn)預(yù)選框框的順時針?biāo)狞c坐標(biāo)表示。對應(yīng)的關(guān)系轉(zhuǎn)換如式公式3.1所示。x01qx02,y01qy02,x02qx02,y02qy02,x03qx02,y03qy02,x04qx02,y03qy02,x01x02,y01y02,x02x02,y02y02,h0h0(3.1)文字區(qū)域檢測模塊通過學(xué)習(xí)默認(rèn)預(yù)選框到真實標(biāo)注框的偏移回歸值，輸出對應(yīng)在檢測置信度下的一個預(yù)測四邊形框q(x1q,y1q,x2q,y2q,x3q,y3q,x4q,y4q)和一個

【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)的場景文字檢測綜述[J]. 姜維,張重生,殷緒成.  電子學(xué)報. 2019(05)
[2]自然場景圖像中的文本檢測綜述[J]. 王潤民,桑農(nóng),丁丁,陳杰,葉齊祥,高常鑫,劉麗.  自動化學(xué)報. 2018(12)
[3]基于深度學(xué)習(xí)的場景文字檢測與識別[J]. 白翔,楊明錕,石葆光,廖明輝.  中國科學(xué):信息科學(xué). 2018(05)

博士論文
[1]自然圖像中文字檢測與識別研究[D]. 姚聰.華中科技大學(xué) 2014



本文編號：3243112