基于HRCenterNet模型改进的朝鲜语古籍文字检测方法

作者：郭洪壮; 金小峰^*

来源：延边大学学报(自然科学版), 2022, 48(03): 235-241.

DOI：10.16379/j.cnki.issn.1004-4353.2022.03.014

• 古籍文字检测
• 朝鲜语古籍
• Involution算子
• ECA注意力机制

为减少朝鲜语古籍中的小文字错检和漏检问题，提出了一种基于HRCenterNet模型改进的朝鲜语古籍文字检测方法.首先，将HRCenterNet中Bottleneck模块的3×3卷积运算替换为Involution算子，即将Bottleneck模块替换为Involution-Bottleneck模块.其次，通过引入ECA(efficient channel attention)注意力机制扩展Involution-Bottleneck模块，并由此提出了基于IENeck模块的HRCenterNet改进模型.最后，利用朝鲜语古籍数据集对改进的HRCenterNet模型和原模型分别进行了训练，并测试了其在不同IOU下的准确率、召回率以及F1等指标.实验结果表明，在IOU≥0.6时，改进的HRCenterNet模型在朝鲜语古籍数据集上的准确率、召回率和F1指标均优于原模型，且IOU值越高模型的检测效果越好.这表明改进的HRCenterNet模型显著优于原模型，可应用于朝鲜语古籍文字的检测中.

• 单位
  延边大学