Jun, 2018

NRTR：一种无循环的序列到序列模型，用于场景文本识别

PDF
TL;DR本文提出了一种新的无循环序列到序列文本识别器（NRTR），并采用自注意力机制代替基于循环或卷积的网络，使用模态转换块将 2D 输入图像有效转化为 1D 序列以提取更判别性的特征，这使得 NRTR 在常规和非常规基准测试上均取得了最新的或者竞争性的性能，并相较于目前最佳的模型少至少 8 倍的训练时间。
scene text recognitionsequence-to-sequenceself-attentionmodality-transform blockstate-of-the-art performance
发现论文，激发创造
  • 在深度卷积序列中阅读场景文本

    使用深度文本递归网络（DTRN）进行场景文本识别，包含顺序标记问题，卷积神经网络，长短时记忆 lstm 模型，具有高度的识别准确率，对于高度不确定的单词具有可靠性等优点。

    Jun, 2015

  • 端到端可训练的基于图像序列识别的神经网络及其在场景文本识别中的应用

    本文提出了一种新颖的神经网络架构，将特征提取、序列建模和转录集成到统一框架中，用于场景文本识别，相比现有算法其具有端到端训练，不需要一定的词典限制，更加适合实际应用等优点，在标准测试数据上展现出更好的性能。

    Jul, 2015

  • 使用注意力卷积序列建模技术识别场景文本

    本文提出了基于注意力卷积网络的端到端场景文本识别方法，通过卷积神经网络 (CNN) 代替循环神经网络 (RNN) 来实现输入序列的上下文依赖关系的准确捕捉，提高了识别效率，并结合残余注意力模块进一步提高特征识别的准确性。该方法在多个数据集上验证结果显示了显著的性能优势。

    Sep, 2017

  • 注意力聚焦：非递归手写文本行识别

    使用变形金刚模型的多头自我注意力层，无需回归方法且具有超出预定义词汇表的单词识别能力，能实现很高的手写识别精度，即使在少量样本学习情况下也可取得满意的结果。

    May, 2020

  • 评估序列到序列模型在手写文本识别中的应用

    该研究提出了一种基于注意力机制的序列到序列模型用于手写体识别，其中结合了卷积神经网络进行视觉信息的提取，实验结果表明其相比于最近的序列到序列方法取得了显著提升。

    Mar, 2019

  • 基于语义推理网络的准确场景文本识别

    提出了一个新的基于语义推理网络的端到端的可训练框架，用于场景文本识别，其中引入了全局语义推理模块来通过多向并行传输捕获全局语义内容，具有比基于循环神经网络方法更快的速度。该方法在包括正常文本、不规则文本和非拉丁长文本在内的 7 个公共基准上取得了最先进的结果，验证了其有效性和鲁棒性。

    Mar, 2020

  • SeqTR: 一种简单而通用的视觉定位网络

    本文提出了一个名为 SeqTR 的简单且通用的网络，用于视觉定位任务和指代表达理解任务，通过将视觉定位问题视为图像和文本输入的点预测问题，可以在 SeqTR 网络中统一视觉定位任务而无需任务特定的分支或头，使用简单的交叉熵损失进一步降低了手工损失函数的复杂性，并且在五个基准数据集上进行的实验证明了 SeqTR 的可行性和优越性。

    Mar, 2022

  • 使用单个视觉模型进行场景文本识别

    本研究提出一种基于补丁式图像记号化框架的单一视觉模型，用于场景文本识别，其通过组成部分级别的混合、合并和 / 或组合，实现全局和局部混合块，以感知字符之间和字符内部的模式，从而通过简单的线性预测识别字符。实验结果表明，在英语和中文场景文本识别任务上，SVTR-L（大型）实现了高竞争准确性，在中文上大幅优于现有的方法，在代码实现方面表现出更快的速度。

    Apr, 2022

  • 使用滑动卷积字符模型识别场景文本

    本文提出了一种基于卷积特征映射中的字符模型的场景文本识别方法，可以避免基于分割的识别方法中的字符分割困难，并且可以识别未知单词，与现有方法相比具有相对较小的模型大小和优秀的性能表现。

    Sep, 2017

  • 使用 2D 自注意力网络识别任意形状的文本

    这篇论文提出了一种名为 SATRN 的新型体系结构，受 Transformer 启发，利用自注意机制描述场景文本图像中字符的二维空间依赖性，能够识别任意形状的文本，效果可以打败现有的 STR 模型，尤其是在 “不规则文本” 基准测试中表现得非常出色。

    Oct, 2019