《表1 本文算法在ICDAR-2013上的实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《顾及目标关联的自然场景文本检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体为每列最优值，“-”表示文献中无该指标。

为了验证算法的有效性，本文在ICDAR-2013数据集上计算了召回率、准确率以及F值，同时使用帧/s的指标来进行检测时间的对比。如表1所示，本文的方法取得了较高的召回率、准确率以及F值，分别为0.817、0.880和0.847。与近几年出现的文本检测算法:（Yin等，2014）、（Zhang等，2015）、（Neumann和Matas，2015）、（Zhang等，2016）、（Liao等，2017）、（何思楠等，2018）相比，本文方法在准确率、召回率和F值3个性能指标上均有较大的提升。召回率从0.780提升到0.817，F值从0.830提升到0.847。相对于直接使用RefineDet进行文本检测，本文文本检测方法获得了更好的检测效果，召回率提升了3.7%，综合评价指标F值提升了1.7%。同时从检测时间来看，本文方法每秒能够检测3幅图像，而Zhang等人（2016）需要2 s多才能检测一幅图像。这说明本文方法在检测效率上相对文献（Zhang等，2016）方法有一定的提升。本文方法与RefineDet和文献（Liao等，2017）方法相比，虽然检测效率有一定的下降，但是检测效果提升很明显（F值分别提高了2.7%和3.7%）。