工业芯片的标签文本检测  

作　　者：黄瑜锋 岳洪伟[1,2] 余铭琪 HUANG Yufeng;YUE Hongwei;YU Mingqi

机构地区：[1]五邑大学,广东江门529020 [2]广东第二师范学院,广东广州510303

出　　处：《信息技术与信息化》2022年第12期27-30,共4页Information Technology and Informatization

基　　金：2022年广东第二师范学院教学质量与教学改革工程项目(2022jxgg09);2022年广东省普通高校特色创新项目(2022KTSCX091)。

摘　　要：工业场景下标签图像存在扫描不清晰、光照变化大,文字大小不一致等问题,给文本的检测带来困难。针对上述问题,提出了基于分割的可微分二值化(differentiable binarization net,DBNet)网络的文本检测方法。首先通过数据增强技术对样本数据量进行了扩张;然后根据标签文本细长的特点,分析了Douglas-Peucker算法的超参数调整对检测精度的影响。实验结果表明可微分的二值化网络DBNet具有更好的检测性能,在测试集上的准确率、召回率、F1值分别达到了99.4、99.5、99.5。

关 键 词：DBNet网络 标签 深度学习 可微分 文本检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TN40[自动化与计算机技术—计算机科学与技术]