Детектирование текстовых объектов на основе "неглубокой" сверточной нейросети с оптимизацией вычислений

Abstract

Представлена модель текстового детектора в виде «неглубокой» сверточной нейросети, а также способ ее применения на основе модифицированного мультимасштабного фрагментирования изображения, более чем на два порядка сокращающий ресурсоемкость обработки, по сравнению со стандартным фрагментированием. Разработан алгоритм локализации текста по откликам детектора, превышающий аналогичные по адаптивности за счет совместного анализа откликов в соседних строках и близких масштабах изображения, что позволяет локализовывать искаженные текстовые блоки различных размера и ориентации. На базе нейросетевой модели создан модуль детектирования текста, применимый для обработки изображений с произвольной композицией. С учетом априорной информации и особенностей выбранной программной платформы определены пути снижения ресурсоемкости модуля. Тестирование модуля на выборке изображений, отражающих момент въезда автотранспорта на охраняемую территорию, продемонстрировало высокое качество локализации текста регистрационных номеров, превышающее уровень специализированного модуля, основанного на каскаде Хаара.