一种面向自然场景的文本检测方法

本发明涉及深度学习图像文本检测技术领域，具体涉及一种面向自然场景的文本检测方法，基于backbone、neck和head三个部分改进获得文本检测网络，再将训练集输入文本检测网络进行迭代训练，获得最终结果。具体为在骨干网络特征提取时，使用EANet block结构替换ResNet Bottleneck，通过EANet包含的PSA模块和CSA模块，多尺度的提取特征信息和关注空间信息，有效地保留有效信息从而提高检测精度；同时还引入SE模块和残余结构增强网络对文本信息的定位；最后可微分二值化算法和注意力机制应用到文本检测中，解决了文本检测时特征丢失的问题，并提高了文本检测网络的检测精度。