一种基于改进YOLO11开放世界场景下文字检测方法

本发明公开了一种基于改进YOLO11开放世界场景下文字检测方法，涉及计算机视觉处理领域，包含以下步骤：构建开放世界场景下文字检测数据集；构建基于YOLO11得开放世界场景下文字检测模型，设计多尺度高效卷积模块,通过使用多个不同尺寸的卷积核来专注于多尺度特征提取与融合，在保持计算效率的同时，增强改进模型对开发世界场景文字检测不同尺度信息的感知能力；将YOLO11特征金字塔池化模块改进为FocalModulation,该模块利用焦点关注机制增强模型对特定区域得特征提取能力，结合局部与全局特征，提升模型对开放世界场景下文字检测得精度，降低模型计算复杂度，提高模型推理速度；采用CIoU作为改进YOLO11的边界框回归损失函数，本发明可以提升开放世界场景下的文字检测精度，对不同尺度和复杂背景下得文字信息目标保持良好得检测性能。