Dec, 2017

野外曲线文本检测：新数据集和新方法

PDF
TL;DR本文提出了一种基于多边形的弯曲文本检测器，结合循环横向和纵向偏移连接的无端到端可训练性，将非多边形抑制和多边形非最大抑制方法相结合以进一步提高检测准确性，此方法可以适用于矩形或四边形边界框的训练，并在 CTW-1500 上精度超过先前方法。
curve text detectionpolygon-based detectorrecurrent transverse and longitudinal offsetpost-processing methodsuniversal approach
发现论文，激发创造
  • Total-Text: 一份全面的用于场景文本检测和识别的数据集

    该研究论文主要介绍了一个新的数据集 Total-Text，该数据集包括水平、多向和曲线方向的文本，旨在填补现有文本数据集对于曲线文字方向的空缺，并对该数据集进行了基于 DeconvNet 的曲线文字检测方法的评估。

    Oct, 2017

  • CT-Net: 通过轮廓变换器进行任意形状文本检测

    通过渐进式轮廓回归及轮廓变换器，我们提出了一种名为 CT-Net 的新型任意形状场景文本检测框架，以解决前端轮廓初始化不准确、多阶段误差累积或局部信息聚合不足的限制，并通过大量实验验证了其在准确性和效率方面超越了现有方法。

    Jul, 2023

  • TextSnake：一种灵活的文本表示方式，用于检测任意形状的文本

    该论文提出了一种能够有效表示包括水平的，有方向的和有曲率的文本实例的文本表示方法 TextSnake，并使用基于 TextSnake 的文本检测器，在多个数据集上取得了最先进的性能表现，特别是在曲线文本上。

    Jul, 2018

  • 基于条件空间扩展的稳健曲线文本检测

    本文提出一种基于 Conditional Spatial Expansion (CSE) 机制的曲线文本检测方法，利用局部特征和上下文信息，可以处理形状，大小和方向各异的文本，并有效地抑制了来自类似文本的纹理或意外文本产生的误报，与现有算法相比，我们的方法更稳健，具有更简单的处理流程，并在曲线文本基准测试中创造了新的最优性能，F 分数高达 78.4％。

    Mar, 2019

  • TextRay: 基于轮廓的几何模型在任意形状场景文本检测中的应用

    该研究提出了一种名为 TextRay 的任意形状文本检测方法，采用一次性无锚点框架中的自顶向下轮廓基准几何建模和几何参数学习，能够将复杂的几何布局编码为统一的表示，并输出仅经过一个 NMS 后处理的简单多边形检测。

    Aug, 2020

  • ABCNet: 自适应 Bezier 曲线网络的实时场景文本定位

    本研究提出在文字检测和识别中应用自适应贝塞尔曲线网络 (ABCNet) 以适应任意形状文字，通过设计新颖的 BezierAlign 层提取准确的卷积特征。ABCNet 相较于现存方法具有更高的速度和准确性，适用于实时应用。

    Feb, 2020

  • EAST: 一种高效准确的场景文本检测器

    本研究提出了一种简单而强大的场景文本检测流程，该流程可以直接预测全图中任意方向和四边形形状的单词或文本行，消除了不必要的中间步骤（例如候选聚合和单词划分），只需要一个神经网络进行操作，大大提升了检测的准确性和效率。

    Apr, 2017

  • 学习用于不规则场景文本检测的深度方向场

    本文基于深度学习提出了一种名为 TextField 的新型文本检测器，通过学习每个文本点指向离其最近文本边界的方向向量进行检测，克服了目前普通文本检测器在检测曲线文本时的限制，其在多个数据集上表现非常优越。

    Dec, 2018

  • 重新思考不规则场景文本识别

    本文介绍了基于矩形化的文字识别方法的一些技巧，使其在曲线文本数据集上表现出色，并在 ICDAR 2019 任意形状文本挑战中获得了较高的准确性。

    Aug, 2019

  • DPText-DETR: 基于 Transformer 与动态点的更好的场景文本检测

    本文提出了一种 DPText-DETR 算法，利用明确的点坐标直接生成位置查询，并动态地以渐进的方式更新它们。同时，提出了一种增强的分解自我注意力模块，为每个实例提供具有圆形形状指导的点查询，以及一种简单而有效的位置标签形式来解决之前形式的副作用，在 500 个手动标记的图像上进行了实验证明了本方法在各种基准测试中的高训练效率、鲁棒性和最先进性能。

    Jul, 2022