深層学習に基づく自然シーンテキスト検出アルゴリズムは著しい進展を遂げているが、密集した不規則な配置を特徴とするテキストに対しては、間隔が狭く分布が密なため特徴抽出が困難で、テキスト検出が不完全になる；同時に、既存のテキスト検出方法でよく用いられる異なる次元の特徴を直接結合する方式は、多尺度特徴融合が不十分であり、意味情報の損失を引き起こす。本論文では、これらの問題に対処するため、多次元畳み込み融合に基づく密集不規則テキスト検出手法を提案する。ネットワーク本体はFPN構造を採用し、テキスト強調モジュール（Text Enhancement Module，TEM）を設計し、追加のグローバルテキストマッピングを導入することで、ネットワークのテキスト情報への注目能力を強化する；チャネル融合戦略（Channel Fusion Strategy，CFS）を提案し、ボトムアップ方式で高低次元特徴情報の連鎖を構築し、より意味的に豊かな特徴マップを生成し、情報損失を減少させる；予測段階では段階的拡張テキスト核方法を用いてテキスト予測結果を生成する。DAST1500およびICDAR2015、CTW1500のデータセット上での実験により、本手法はそれぞれF値81.8％、83.0％、79.0％を達成した。提案手法は、密集不規則テキスト検出でより良い性能を示すだけでなく、一般の自然シーンテキスト（多方向、曲線テキスト）においても一定の競争力を持つ。

密集不規則テキスト;深層学習;畳み込みニューラルネットワーク;テキスト強調;チャネル融合