摘 要：为了解决自然场景文本图像因为遮挡、扭曲等原因难以识别的问题，提出基于多模态特征融合的场景文本识别网络（multimodal scene text recognition，MMSTR）。首先，MMSTR使用共享权重内部自回归的排列语言模型（试读）...