工业芯片的标签文本检测
黄瑜锋1
岳洪伟2
余铭琪1
1.五邑大学 广东江门 5290202.五邑大学 广东江门 529020;广东第二师范学院 广东广州 510303
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
资助基金：广东第二师范学院教学质量与教学改革工程项目(2022jxgg09)广东省普通高校特色创新项目(2022KTSCX091)
论文发表日期：2022-12-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 27-30 )