Apr, 2016

基于全卷积网络的多方向文本检测

HTML
PDF
TL;DR该研究提出了一种使用全卷积神经网络对自然图像中的文本进行检测的新方法，通过综合考虑本地和全局线索，以分层的方式定位文本线。通过组合显著地图和字符组件来估计文本行假设，并使用另一个卷积神经网络分类器预测每个字符的质心，以去除误判。该方法适用于处理多个方向、语言和字体的文本。在三个文本检测基准测试MSRA-TD500、ICDAR2015和ICDAR2013的性能方面，该方法实现了最先进的性能。
发现论文，激发创造
  • 基于文本注意力的卷积神经网络用于场景文本检测

    本文提出了一种基于卷积神经网络的文本-卷积神经网络(Text-CNN)用于场景文本检测的系统，并通过多层和丰富的监督信息，包括文本区域掩模、字符标签和二分类文本/非文本信息来训练Text-CNN以提高其判别效能和鲁棒性。最终，该方法在ICDAR 2013数据集上取得了很好的效果。

    Oct, 2015

  • 级联卷积文本网络在自然图像中实现精确文本定位

    本文介绍了一种新的自上而下的场景文本检测流程，提出了一种新颖的级联卷积文本网络（CCTN），利用其将前一个基于字符的检测转化为直接的文本区域估计，避免了多个自下而上的后处理步骤，并展现了其强大的鲁棒性和判别能力。

    Mar, 2016

  • 自然图像中文本定位的合成数据

    介绍了一种新的自然图像中文本检测方法，它包括使用合成图像训练 Fully-Convolutional Regression Network (FCRN) 以高效执行所有位置和多个尺度的文本检测和边框回归，并且可以在 GPU 上处理 15 张图像/秒。

    Apr, 2016

  • 基于整体、多通道预测的场景文字检测

    该文提出了一种基于全局的语义分割方法来定位场景中的文本，使用单一的FCN模型估计文本属性，以同时处理水平，多方向和曲线文本，并在ICDAR 2013、ICDAR 2015、MSRA-TD500以及COCO-Text数据集上测试得到优于现有最先进方法的结果。

    Jun, 2016

  • 使用连接文本建议网络检测自然图像中的文本

    本文提出了一种新型的 Connectionist Text Proposal Network，它能够准确地定位自然图像中的文本行，采用纵向锚点机制、卷积神经网络和循环神经网络，可以探索图像的丰富上下文信息，在 ICDAR 2013 和 2015 两个基准测试中实现了 0.88 和 0.61 的超高分数。

    Sep, 2016

  • 基于卷积递归神经网络的端到端文本定位

    该论文提出了一种基于卷积循环神经网络的统一网络，该网络可以同时定位和识别文本，通过端到端训练，提高了性能，在多个基准数据集上取得了竞争性的表现。

    Jul, 2017

  • 具有区域注意力的单 Shot 文本检测器

    本研究提出了一种新颖的单步文字检测器，该检测器直接在自然图像中输出单词级别的边界框。通过自动学习的注意力映射，我们提出了一种注意机制，粗略地识别文本区域。此外，我们还开发了分层Inception模块，可以有效地聚合多尺度Inception特征，从而使该检测器能够可靠地在单尺度图像上处理多尺度和多方向文本。我们的文本检测器在ICDAR 2015基准测试中取得了77％的F-measure，超越了先前研究的最新成果。

    Sep, 2017

  • 从二维视角进行场景文本识别

    采用二维视角，提出了基于字符注意力全卷积网络的场景文本识别算法，该算法在语义分割网络中采用了字符注意机制和词形成模块，在不失精度的情况下更具有鲁棒性。

    Sep, 2018

  • 文本检测的字符区域认知

    提出了一种使用神经网络2来检测场景文本的新方法，在字符级别推断文本区域，采用新的关联表示法来估算字符背景。通过使用合成图像的给定字符级别注释和学习的中间模型获得的真实图像的估计字符级别地面真实性，也解决了缺少单独字符级别注释的问题，在6个基准测试上广泛的实验中，包括在自然图像中包含高度曲线文本，如TotalText和CTW-1500数据集，证明了我们的字符级文本检测比最先进的探测器显着优越。根据结果，我们的方法保证了在检测复杂的场景文本图像（如任意定向，曲线或变形文本）方面具有高度的灵活性。

    Apr, 2019

  • 卷积字符网络

    本文提出了CharNet模型，是一种单阶段模型，能够同时处理文本检测和识别，输出包围框和对应字符标签，并采用迭代式字符检测方法，在三个标准基准测试中表现出对现有方法显著的性能改进。

    Oct, 2019