Le os gravé est un artefact important enregistrant la remise des produits par les fonctionnaires locaux à la période de la dynastie Han occidentale au gouvernement central. Une détection précise de son contenu textuel est d'une grande importance. Face à la difficulté d'extraire les caractéristiques du texte sur un fond à texture complexe ainsi qu'aux problèmes de redondance des boîtes de détection dus à la densité et au collage du texte, nous proposons un algorithme de détection de texte sur os gravé intégrant une convolution à attention automatique et une fonction de perte améliorée. D'abord, un module de convolution à attention automatique est ajouté à la phase d'extraction des caractéristiques de YOLOv5 pour renforcer l'attention du réseau aux caractéristiques textuelles des os gravés, permettant au modèle de capturer plus d'informations globales et de réduire l'interférence des fissures sur l'extraction des caractéristiques textuelles. Ensuite, la fonction de perte Focal-EIOU remplace la CIOU originale pour l'optimisation. Focal-EIOU utilise la perte sur la largeur et la hauteur pour réduire l'écart entre la boîte prédite et la vraie, exclut les boîtes prédites plus grandes que la vraie, résolvant le problème de redondance dû à un texte dense et collant, améliorant ainsi la précision de la prédiction du modèle. Les résultats expérimentaux montrent que la précision moyenne de cet algorithme atteint 93,35 %, soit une amélioration de 3,08 % par rapport à YOLOv5, ce qui le rend plus adapté à la détection de textes denses et collants sur os gravés dans des fonds à texture complexe.

détection de texte;os gravé;mécanisme d'attention;YOLOv5;fonction de perte