基于多模态特征融合的场景文本识别
Scene text recognition based on multimodal feature fusion
河南理工大学 物理与电子信息学院, 河南 焦作 454003
摘要
为了解决自然场景文本图像因为遮挡、扭曲等原因难以识别的问题，提出基于多模态特征融合的场景文本识别网络(Multimodal scene text recognition，MMSTR)。首先，MMSTR使用共享权重内部自回归的排列语言模型实现多种解码策略。其次，MMSTR在图像编码阶段提出残差注意力编码器(Residual Attention Encoder，REA-Encoder)提高了对浅层特征捕获能力使得浅层特征能够传到更深的网络层，有效缓解了Vision Transformer提取图像浅层特征不充分引起的特征坍塌问题。最后，针对解码过程中存在语义特征与视觉特征融合不充分的问题，MMSTR构建了决策融合模块(Decision fusion module，DFM)，利用级联多头注意力机制提高语义与视觉的融合程度。经过实验证明，MMSTR在IIIT5K，ICDAR13等六个公共数据集上平均词准确率达到96.6%，此外，MMSTR在识别遮挡、扭曲等难以识别的文本图像方面相较于其他的主流算法具有显著优势。
基金项目
国家自然科学基金资助项目(52074305,河南省科技攻关项目(242102221006)
河南省研究生教育改革与质量提升工程(YJS2024AL026)
河南理工大学光电传感与智能测控河南省工程实验室开放基金资助项目(HELPSIMC-2020-00X)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.05.0250
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第3期
发布历史
[2024-12-06] 优先出版
引用本文
蔡明哲, 王满利, 窦泽亚, 等. 基于多模态特征融合的场景文本识别 [J]. 计算机应用研究, 2025, 42 (3). (2024-12-16). https://doi.org/10.19734/j.issn.1001-3695.2024.05.0250. (Cai Mingzhe, Wang Manli, Dou Zeya, et al. Scene text recognition based on multimodal feature fusion [J]. Application Research of Computers, 2025, 42 (3). (2024-12-16). https://doi.org/10.19734/j.issn.1001-3695.2024.05.0250. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
