特征自适应集成Transformer的文本图像超分辨方法OA
场景文本图像超分辨率旨在提高文本图像的分辨率及视觉感官的同时提升下游任务文本识别的准确率。针对文本图像在真实场景下存在不同退化因素,需要增强网络对文本图像特征的表征能力来提高超分辨模型的泛化性,提出了一种特征自适应集成Transformer文本图像超分辨方法。该方法从网络架构设计和图像上采样优化两个层面进行改进。在网络结构方面,设计了一种自适应Transformer网络,该网络通过多层次的特征提取机制实现对不同退化程度的异构特征表示,从而增强模型对复杂退化场景的适应能力。在上采样优化方面,引入了一种基于图注意力机制的像素自适应模块建立像素间的关联图来调整像素间的关系,有效缓解了传统上采样过程中常见的图像不连续性问题。在TextZoom基准数据集上的实验结果表明,本方法重建的超分辨图像在3个不同的文本识别器上的平均识别率,比LEMMA分别提升了2.4、1.4、1.5百分点,在PSNR和SSIM指标上分别提高了1.19 dB和0.0042。
张凯兵;成澳彬;孟雅蕾
西安工程大学计算机科学学院,陕西西安710048 陕西省服装设计智能化重点实验室/新型网络智能信息服务国家地方联合工程研究中心,陕西西安710048西安工程大学计算机科学学院,陕西西安710048西安工程大学计算机科学学院,陕西西安710048
信息技术与安全科学
文本图像超分辨Transformer注意力机制特征融合上采样
《西安工程大学学报》 2026 (4)
P.99-107,9
国家自然科学基金(61971339)陕西省重点研发计划项目(2024GX-ZDCYL-02-07)。
评论