CVPRMar, 2018

一种端到端的文本识别器：显式对齐与注意力机制

PDF
TL;DR该研究提出了一种简单有效的框架，可以同时处理文字检测和识别，其中利用了新颖的文本对齐层、字符空间信息作为显式监督和端到端可训练的模型。通过联合培训，该方法在两个数据集上实现了新的最先进检测性能和表现提高。
text detectionrecognitionalignmentcharacter attentionend-to-end model
发现论文，激发创造
  • 自然场景下端到端文本识别

    该研究提出了一种统一的网络，同时定位和识别文本，通过使用卷积特征和 $2$D 注意力模型实现对任意形状文本的鲁棒定位和识别，避免了中间过程，取得了包括正常及不规则文本在内的多个标准数据集的最佳表现。

    Jun, 2019

  • 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

  • SwinTextSpotter v2：场景文字识别的协同优化

    SwinTextSpotter v2 是一个新的端到端场景文字识别框架，通过引入 Recognition Conversion 和 Recognition Alignment 模块来加强文本检测和识别之间的关系，从而在各种多语言基准测试中取得了最先进的性能。

    Jan, 2024

  • SwinTextSpotter: 基于更好的文本检测与识别协同的场景文本定位

    本文提出了一种使用 transformer encoding 的新型端到端场景文本识别框架，并通过一种新的识别转换机制，在不需要额外的矫正模块或字符级别注释的情况下显式地引导文本定位，从而使该方法在多种数据集上显著优于现有方法。

    Mar, 2022

  • 字符区域关注网络用于文本检测

    本研究将文本检测和识别模块融合，并采用基于注意力机制的解码器，通过利用角色评分图来更好地关注字符中心点，实现了一种紧密耦合的单管道模型，扩展了开放式直线和曲线基准数据集的最新性能。

    Jul, 2020

  • 朝着无约束的端到端文本检测

    一项新的网络模型使用实例分割方法和注意力模型识别和提取曲线形状的文本内容，并使用多步光学字符识别引擎提高识别准确性，大幅度领先现有模型的准确性。

    Aug, 2019

  • 隐式特征对齐：学习将文本识别器转换为文本检测器

    本文提出了一种名为隐式特征对齐的范式，它可以被轻松地集成到当前的文本识别器中，从而使普通的文本识别器能够处理多行文本，而不必由文本检测器限制。实验证明，这种方法在保持最快速度的同时，实现了最先进的端到端文档识别任务的性能，并且 ADP 和 ExCTC 在不同的应用场景下相互补充。

    Jun, 2021

  • Mask TextSpotter：一种端到端可训练神经网络，用于检测任意形状的文本

    本文提出了一种名为 Mask TextSpotter 的针对场景文本定位和识别问题的端到端训练的神经网络模型，并在 ICDAR2013、ICDAR2015 和 Total-Text 数据集上进行了实验，展现出在场景文本检测和端到端文本识别任务方面的最新水平。

    Jul, 2018

  • 在端到端和两步法文本定位之间建立桥梁

    通过引入 Bridging Text Spotting 方法，本文解决了两步方法中存在的错误累积和次优性能问题，同时保留了模块化特性。通过将训练良好的检测器和识别器锁定参数，并通过初始化权重为零的神经网络连接它们，确保了检测中的大感受野特征自然地融入锁定的识别器中。此外，为了有效学习端到端优化特性，采用了 Adapter。通过广泛的实验证明了该方法的有效性。

    Apr, 2024

  • ESTextSpotter：基于 Transformer 的场景文字定位的显式协同

    基于显式协同的文本识别 Transformer 框架 (ESTextSpotter) 在文本检测和识别中，通过建模区分性和交互特征，明显提高了性能。

    Aug, 2023