Las inscripciones óseas son importantes artefactos que registran la entrega de productos por parte de funcionarios locales al gobierno central durante la dinastía Han Occidental. La detección precisa de su contenido textual es crucial. Debido a la dificultad de extraer características del texto en fondos de textura compleja y a la redundancia de los cuadros de detección causada por texto denso y pegado, proponemos un algoritmo de detección de texto en inscripciones óseas que integra convolución de autoatención y una función de pérdida mejorada. Primero, se añade un módulo de convolución de autoatención en la extracción de características de YOLOv5 para fortalecer la atención de la red a las características del texto en las inscripciones, permitiendo que el modelo capture más información global y suprima las interferencias causadas por grietas al extraer las características del texto. Segundo, se utiliza la función de pérdida Focal-EIOU para reemplazar la CIOU original y optimizar el modelo. Focal-EIOU utiliza pérdidas de ancho y alto para reducir las diferencias entre el cuadro pronosticado y el real, excluye los cuadros pronosticados más grandes que el real, resolviendo la redundancia causada por texto denso y pegado, mejorando la precisión de la predicción del modelo. Los resultados experimentales muestran que el promedio de precisión de este algoritmo alcanza el 93.35%, un aumento de 3.08% respecto a YOLOv5, siendo más adecuado para la tarea de detección de texto denso y pegado en inscripciones óseas sobre fondos de textura compleja.

detección de texto;inscripciones óseas;mecanismo de atención;YOLOv5;función de pérdida