针对基于卷积循环神经网络或实例分割的自然场景文本图像检测识别方法结构复杂、实时性差、鲁棒性低的问题，提出基于改进Faster RCNN和高斯混合模型(GMM)的文本图像快速检测识别方法。该方法首先使用改进的Faster RCNN模型进行单字符检测识别并求出图中文本区域的数量，然后使用高斯混合模型进行单字符聚类并构造出候选的多边形文本框，最后使用重定义的置信度公式筛选出适当的文本区域边框，并输出边框内的字符标签序列。公共数据集的测试结果表明，该方法具有良好的鲁棒性和实时性。
科研之友
微信
新浪微博
Facebook
分享链接
