基于改进EAST的场景文本检测算法

摘要

文字在生活中随处可见,是人们沟通、互动和传递信息的主要媒介.EAST(Efficient and Accuracy Scene Text)模型是一种高效、准确的场景文本检测算法,可以出色地检测自然场景中的文本.但是该方法仍存在长文本检测精度不高等问题.论文对EAST模型进行了改进,在特征提取阶段用Resnet50深度网络来增加模型的鲁棒性,其次在特征融合阶段加入长短时记忆方法LSTM(Long-Short Term Memory),优化了样本信息.实验结果表明,论文设计的场景文字检测算法能够实时处理自然场景图像,准确定位图像中文字的位置,提高了检测精度.