书目详细信息
： 基于分割的农资图像文本检测算法研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于分割的农资图像文本检测算法研究/.殷昌山著/.杨林楠指导 |
| 出版发行项： | 2023.5.26 |
| 载体形态项： | 46页:;+图表:;+30cm |
| 一般附注： | 大数据学院（信息工程学院）, 学号2020210459 |
| 提要文摘： | 农资图像中的文本信息为消费者购买农资提供了重要依据， 也有助于农资安全 监管执法部门检测和分析潜在的农资安全问题。 农资图像中文本的检测可以帮助农 资安全监管执法部门改进手工纸本记录监管方式，提高执法效率， 因此， 农资图像 文本检测对于农资安全监管和识别农资内容具有较大的研究意义。 然而， 目前并未 有公开的农资图像数据集，同时农资图像中的文本检测还面临诸多挑战，如图像背 景复杂、图像失真、文本形状尺寸不一等， 并且现有的算法在检测文本的效果上还 有待提升。 针对以上问题， 论文主要研究内容如下： （1）针对缺乏农资图像文本检测数据集， 论文构建了含有 708 幅图像和 11322 个文本框的数据集， 标注方式为由若干个坐标点顺时针连接构成的多边形， 并用自 助采样法划分数据集。 （ 2） 针对农资图像文本检测的准确性问题，论文提出了一种基于注意力机制 的农资图像文本检测算法， 论文选取了提取特征能力更强的骨干网络，并设计双特 征融合模块来整合局部和全局上下文的特征表示，加强对不同层级文本特征的提取， 最后通过缩放式扩展算法的后处理生成预测文本框，得到最终的检测结果。 该算法 可以准确框选出农资图像文本区域，在农资图像数据集上的准确率、 召回率和 F 分 数分别为 91.4%、 87.3%和 89.3%， 均高于对比算法。 （3） 针对农资图像文本检测的快速性问题， 论文提出了一个基于 Ghost 模块的 农资图像文本检测算法， 论文用参数更低的轻量级网络来提取基础特征， 引入多尺 度特征融合模块来获得多层之间的特征融合， 并采用可微分二值化后处理算法预测 文本， 使其能够快速地检测农资图像中的文本。 实验结果表明， 该算法在农资图像 数据集上的准确率基本达到了主流算法的水平， 检测速度达到 18.6FPS，参数量为 2.99M， 可以移植到移动端上并进行快速地检测， 论文最终将此算法部署到移动端 设备上并成功运行。 |
| 并列题名： | Research on Text Detection Algorithm of AgriculturalMaterials Image Based on Segmentation eng |
| 题名主题： | 文本检测 深度学习 特征融合 分割 注意力机制 学位论文 |
| 中图分类： | TP391.43-533 |
| 个人名称等同： | 殷昌山 著 |
| 个人名称次要： | 杨林楠 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20240520 |