Os algoritmos de detecção de texto em cenas naturais baseados em aprendizado profundo tiveram avanços significativos, porém para textos com características de disposição densa e irregular, devido aos pequenos espaçamentos e distribuição densa, a extração de características torna-se difícil, resultando em detecção incompleta do texto; ao mesmo tempo, os métodos de detecção de texto existentes que utilizam concatenação direta de características de diferentes dimensões causam fusão insuficiente de características em múltiplas escalas, levando à perda de informações semânticas. Para lidar com esses problemas, este artigo propõe um método de detecção de texto denso e irregular baseado em fusão convolucional multidimensional. A estrutura principal da rede utiliza a arquitetura FPN, com um módulo de aprimoramento de texto (Text Enhancement Module, TEM), que fortalece a capacidade da rede de focar nas informações textuais por meio da introdução de um mapeamento global de texto adicional; propõe uma estratégia de fusão de canais (Channel Fusion Strategy, CFS), que constrói de baixo para cima uma cadeia de informações de características em diferentes dimensões, gerando mapas de características semanticamente mais ricos e reduzindo a perda de informações; a fase de predição usa um método progressivo de expansão do núcleo do texto para gerar os resultados da predição do texto. Experimentos nos conjuntos de dados DAST1500, ICDAR2015 e CTW1500 mostram que este método alcança valores F de 81,8%, 83,0% e 79,0%, respectivamente. O algoritmo proposto não só apresenta melhor desempenho na detecção de textos densos e irregulares, como também possui competitividade em textos de cenas naturais gerais (multidirecionais, texto curvo).

texto denso irregular;aprendizado profundo;redes neurais convolucionais;aprimoramento de texto;fusão de canais