论文部分内容阅读
由于受到光照、遮挡、倾斜等诸多因素的影响,基于深度学习的文字检测方法的训练集和测试集分布存在差异,导致模型在不同真实场景下的鲁棒性不足。为了提升现有模型的泛化能力,改善模型在真实场景下的抗干扰能力,尝试从网络结构角度出发,为机场标记牌文字检测任务设计具有域不变性的网络结构,在不增加计算量的前提下提升算法鲁棒性。结果表明,该结构可以有效提升模型在不同真实场景下的性能表现。