电讯技术

作者：王霏,黄俊,文洪伟

单位：(重庆邮电大学 通信与信息工程学院，重庆400065)

关键词：自然场景；文本检测；深度可分离卷积；可变形卷积；

基金：国家自然科学基金资助项目（61671095）

针对深度学习文本检测算法存在运行速度慢、模型体积大等问题，提出了基于改进的YOLOv3(You Only Look Once v3）文本检测方法(mobile-text-YOLOv3)。通过深度可分离卷积思想轻量化Darknet-53网络，在高层特征借助双线性插值和偏移层使卷积核具有可变感受野，较大地改善了模型的性能；改进D-IOU，引入宽度惩罚，改善了锚框(anchor)在垂直方向稀疏和回归目标形状时不平衡的问题，提高了检测精度。实验结果表明，该改进算法精度比YOLOv3提高7个百分点，检测速度最高可达22 frame/s，与同类算法相比有更快的检测速度和更小的模型体积。

来源：2022年第1期

《电讯技术》期刊编辑部

查看电讯技术杂志2022年第1期