多网络和多头注意力融合的场景文本识别算法

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对场景文本识别算法忽略整个文本的全局信息内容,提出多网络和多头注意力融合的自然场景文本识别算法.首先使用多网络融合结构,设计多种残差模块在视觉特征中捕获上下文特征和语义特征.其次在字符预测过程中提出多头注意力机制编码器,将位置信息、视觉特征和分类信息拼接成新的特征空间并重新加权.实验结果表明该模型能更好的利用位置特征,全局语义特征和上下文特征更准确地识别到文本内容,提高了模型的准确率.

外文标题：Scene text recognition algorithm based on multi-network and multi-head attention fusion

外文关键词：

scene text recognitionmulti-network fusionmulti-head attention mechanismfeature extraction

作者：

贾小云、翁佳顺、刘颜荦

展开 >

作者单位：

陕西科技大学电子信息与人工智能学院,陕西西安 710021

关键词：

场景文本识别多网络融合多头注意力机制特征提取

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.08.011

计算机时代

浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411

ISSN：1006-8228

年,卷(期)：2023.(8)

参考文献量2