딥러닝 기반 자연 장면 텍스트 검출 알고리즘은 큰 발전을 이루었으나, 빽빽하고 불규칙한 배열 특징을 가진 텍스트의 경우 간격이 작고 분포가 밀집되어 있어 특징 추출이 어려워 텍스트 검출이 불완전하다; 동시에 기존 텍스트 검출 방법에서 자주 사용하는 서로 다른 차원의 특징을 직접 연결하는 방식은 다중 스케일 특징 융합이 불충분하여 의미 정보가 손실되는 문제를 일으킨다. 이러한 문제를 해결하기 위해 본 논문은 다차원 합성곱 융합 기반의 빽빽하고 불규칙한 텍스트 검출 방법을 제안한다. 네트워크 본체는 FPN 구조를 채택하였으며, 텍스트 강화 모듈(Text Enhancement Module, TEM)을 설계하여 추가적인 전역 텍스트 맵을 도입함으로써 네트워크의 텍스트 정보에 대한 주의력을 강화하였다; 채널 융합 전략(Channel Fusion Strategy, CFS)을 제안하여 하향식 방식으로 고저차원 특징 정보 체인을 구축하고, 의미적으로 더 풍부한 특징 지도를 생성하여 정보 손실을 줄였다; 예측 단계에서는 점진적으로 텍스트 핵을 확장하는 방법을 사용하여 텍스트 예측 결과를 생성하였다. DAST1500 및 ICDAR2015, CTW1500 데이터셋에서의 실험 결과, 본 방법은 각각 F값 81.8%, 83.0%, 79.0%를 달성하였다. 제안된 알고리즘은 빽빽한 불규칙 텍스트 검출에서 더 나은 성능을 보일 뿐만 아니라, 일반 자연 장면 텍스트(다방향, 곡선 텍스트)에서도 일정 경쟁력을 가진다.

빽빽한 불규칙 텍스트;딥러닝;합성곱 신경망;텍스트 강화;채널 융합