고해상도 이미지는 특징 규모 차이가 큰 특성을 가지고 있습니다. 이에 따라 미세한 특징을 포착하기 어려움과 다중 규모 특징 융합이 원활하지 않은 문제를 해결하기 위해, 공유 커널 확장 합성곱 및 주의력 안내 FPN(Kernel-Sharing Dilated Convolutions and Attention-guided FPN, KDA-FPN)을 기반으로 한 복잡한 장면 텍스트 검출 방법을 제안합니다; 최소 교차(Intersection Over Minimum, IOM) 후처리 전략을 제안하여 텍스트 가로세로 비율 변화로 인해 발생하는 마스크 겹침 현상을 개선하고 검출 성능을 향상시킵니다. 먼저, 모델은 Resnet50을 백본 네트워크로 사용하며 FPN 구조를 통해 다중 규모 특징을 포착합니다; 그리고 확장 합성곱을 이용해 특징의 수용 영역을 확장하여 다중 규모 정보 포착 능력을 높이고, 텍스트의 미세한 특징을 깊이 있게 추출하며, 공유 커널 방식을 통해 모델 파라미터 수를 줄여 계산 비용을 감소시킵니다; 동시에 컨텍스트 주의 모듈(Context Attention Module, CxAM)을 사용해 다중 수용 영역 간 의미 정보를 포착하고, 콘텐츠 주의 모듈(Content Attention Module, CnAM)을 통해 목표 위치 정보를 정확하게 찾아 다중 규모 융합 능력을 강화하며 특징 맵 품질을 향상시킵니다; 마지막으로, 동일한 텍스트 영역에서 예측된 후보 박스를 크기별로 정렬하고, 가장 큰 박스와 인접 텍스트 박스 간 영역 교차 면적이 작은 박스 면적에 대한 비율을 후보 박스 필터링 지표로 제안하여 검출 결과의 마스크 겹침 현상을 억제하고 텍스트를 정확하게 검출합니다. ICDAR2013, ICDAR2015, Total-Text 데이터셋을 사용한 비교 실험에서, 본 모델은 수평 장면 텍스트 검출에서 정확도와 재현율이 각각 95.3과 90.4, 기울어진 텍스트 검출에서 87.1과 84.2, 임의 형상 텍스트 검출에서 69.6과 57.3을 기록하였습니다. 제안한 알고리즘은 이미지 해상도, 텍스트 형태 및 길이 등 요인의 영향을 효과적으로 극복하여 검출 정확도를 높이고 더 정밀한 텍스트 경계를 얻었습니다.

텍스트 검출; 주의력 구조; 공유 커널 확장 합성곱; 특징 피라미드 네트워크