基于多尺度特征融合的东南亚语言场景文本图像识别方法

本发明提出了基于多尺度特征融合的东南亚语言场景文本图像识别方法，属于自然语言处理领域；本发明使模型在复杂场景下更准确地识别东南亚语言文本。本发明方法包括：多尺度特征提取、渐进式跨尺度交互和自适应特征融合。具体来说，首先，通过多尺度编码器提取不同尺度的文本图像特征，并引入边缘特征图来增强表征能力，捕获文本的互补信息。其次，利用渐进式跨尺度交互进一步增强各尺度特征。然后，将不同尺度的特征融合，生成最终的文本特征表示。最后，通过文本解码器精确解码出东南亚语言字符。本发明提出的方法在东南亚语言文本识别任务中表现优异，并且在模型参数量减少的同时识别的准确率也有明显提升。