排序方式： 共有51条查询结果，搜索用时 0 毫秒
51.
大量基于卷积神经网络的场景文本检测方法对于密集的长文本容易检测不全，且泛化能力较差。针对这些问题，提出一种面向自底向上的场景文本检测方法。使用自适应通道注意力机制(ACA),通过局部跨通道交互获得更具代表性的文本特征，提高深度卷积神经网络的性能；利用特征增强金字塔(FPEM)融合低层和高层信息进一步增强不同尺度的特征；为解决长文本尺度变化问题，提出一种加权感知损失(WAL),通过调整不同大小的文本实例的权重来增强鲁棒性。实验在CTW1500及MSRA-TD500标准数据集上验证了该方法的优越性。 相似文献