A Contrastive Learning-Based Multi-scale Attention Model for Text Recognition

Li, Zhaokang

doi:10.1007/978-981-95-3483-8_20

2026-01-01

PRE

DOI：10.1007/978-981-95-3483-8_20

原文链接

原文求助

摘要

En 中文

光学字符识别（OCR）已在计算机视觉领域得到广泛应用，但复杂文本场景中的文本识别（TR）仍面临识别准确率低下的挑战。因此，提出了一种基于对比学习（CL）的多尺度注意力（CLMSA）模型用于文本识别，旨在提升模型在复杂文本场景中的识别能力。首先，通过引入多尺度注意力机制改进模态转换模块，以捕捉图像中的全局和局部特征，增强模型理解复杂文本内容的能力。其次，研究了基于数据增强的不变特征学习（DAIFL）策略，通过数据增强构建增强域，并基于多核最大均值差异（MK-MMD）优化模态转换模块，提升模型鲁棒性。第三，设计了基于字符相似度的对比损失（CSCL），通过计算不同图像间的字符相似度构建样本对，以改善模型在噪声场景中的识别效果。最后，进行了一系列实验验证所提模型的有效性。结果表明，所提出的CLMSA模型在复杂文本场景中能够获得优异的识别性能。

Keyword:

Contrastive Learning

Data Augmentation

Multi-Scale

Text Recognition

Transformer

期刊

BLOCKCHAIN AND TRUSTWORTHY SYSTEMS, BLOCKSYS 2025, PT II

IF:

论文数:

被引数:

机构

hunan university of technology

学者数:

897

论文数: 274

被引数: 1

引用论文

CRNN-Based Abstract Artistic Text Recognition Tan, Z., Zhou, J., Liu, Y., 2023. 基于CRNN的抽象艺术文本识别，载于：2023年IEEE智能世界大会（SWC），IEEE。第652-659页。

2023 IEEE Smart World Congress (SWC)

IF0

2023-08-28

PREAI

Zhuoyue Tan; Jing Zhou; Yang Liu

ICDAR 2015 competition on Robust Reading ICDAR 2015稳健阅读竞赛

2015 13th International Conference on Document Analysis and Recognition (ICDAR)

IF0

2015-08-01

PREAI

Dimosthenis Karatzas; Lluis Gomez-Bigorda; Anguelos Nicolaou; Suman Ghosh; Andrew Bagdanov; Masakazu Iwamura; Jiri Matas; Lukas Neumann; Vijay Ramaseshan Chandrasekhar; Shijian Lu; Faisal Shafait; Seiichi Uchida; Ernest Valveny

Contrastive Representation Learning: A Framework and Review 对比表征学习: 一个框架与综述

IEEE ACCESS

IF3.6

2020-01-01

517

OAAI

Le-Khac, Phuc H.; Healy, Graham; Smeaton, Alan F.

ICDAR 2013 Robust Reading Competition ICDAR 2013稳健阅读竞赛

2013 12th International Conference on Document Analysis and Recognition

IF0

2013-08-01

PREAI

Dimosthenis Karatzas; Faisal Shafait; Seiichi Uchida; Masakazu Iwamura; Lluis Gomez i Bigorda; Sergi Robles Mestre; Joan Mas; David Fernandez Mota; Jon Almazan Almazan; Lluis Pere de las Heras

CNN based System for Automatic Number Plate Recognition

Journal of Soft Computing Paradigm

IF0

PREAI

Pandey,Gobinda; C,Karun K; Lamichhane,Nirajan; Subedi,Utsav

Attention Based RNN Model for Document Image Quality Assessment

2017 14th IAPR International Conference on Document Analysis and Recognition (ICDAR)

IF0

2017-11-01

PREAI

Pengchao Li; Liangrui Peng; Junyang Cai; Xiaoqing Ding; Shuangkui Ge

Scene Text Recognition Using Similarity and a Lexicon with Sparse Belief Propagation