计算机工程与科学

作者：宜超杰, 陈莉, 包宇翔

单位：（西北大学信息科学与技术学院，陕西 西安 710100）

关键词：交通标志,文本识别,多项式拟合,YOLO,MobileNet,

基金：国家重点研发计划(2020YFC1523301);陕西省重点研发计划(2019ZDLGY10-01)

针对中文交通指路标志中多方向、多角度的文本提取与识别困难的问题，提出了一种融合了卷积神经网络与传统机器学习方法的轻量化中文交通指路标志文本提取与识别算法。首先，对YOLOv5l目标检测网络进行轻量改进，提出了YOLOv5t网络用以提取指路标志牌中的文本区域；然后，结合投影直方图法与多项式拟合法的M-split算法，对提取到的文本区域进行字符分割;最后,使用MobileNetV3轻量化网络对文本进行识别。提出的算法在自制数据集TS-Detect上进行近景文本识别，精度达到了90?1%，检测速度达到了40 fps，且权重文件大小仅有24.45 MB。实验结果表明，提出的算法具有轻量化、高精度的特性，能够完成复杂拍摄条件下的实时中文指路标志文本提取与识别任务。

来源：2022年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第9期