基于链接关系预测的弯曲密集型商品文本检测

打开文本图片集

摘    要： 针对商品包装文本检测任务中弯曲密集型文本导致的错检、漏检问题，提出了一种由2个子网络组成的基于链接关系预测的文本检测框架（text detection network based on relational prediction， RPTNet）。在文本组件检测网络中，下采样采用卷积神经网络和自注意力并行的双分支结构提取局部和全局特征，并加入空洞特征增强模块（DFM）减少深层特征图在降维过程中信息的丢失；上采样采用特征金字塔与多级注意力融合模块（MAFM）相结合的方式进行多级特征融合以增强文本特征间的潜在联系，通过文本检测器从上采样输出的特征图中检测文本组件；在链接关系预测网络中，采用基于图卷积网络的关系推理框架预测文本组件间的深层相似度，采用双向长短时记忆网络将文本组件聚合为文本实例。（剩余20324字）