ECCVJul, 2018

TextSnake：一种灵活的文本表示方式，用于检测任意形状的文本

PDF
TL;DR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。
deep neural networksscene text detectiontextsnakecurved textf-measure
发现论文，激发创造
  • 再看一眼：朝着更紧密的任意形状文本检测

    提出了一种基于深度学习的两阶段文本检测器 NASK，采用实例分割技术，通过 GSCA 模块、RoI Pooling 和 FOX 模块，能够更精确地定位和还原任意形状、不同大小、存在转角的文本，并在公共基准测试数据集上取得了最先进的结果。

    Apr, 2020

  • 自适应文本区域表示的任意形状场景文本检测

    提出了使用适应性文本区域表示的鲁棒场景文本检测方法，利用文本区域提案网络提取文本提案，再通过细化网络对提案进行验证和优化。实验结果在五个基准上表明，这种方法在场景文本检测方面达到了最先进水平。

    May, 2019

  • 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

  • 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

  • 深度蛇用于实时实例分割

    本文提出了一种名为 deep snake 的新型轮廓方法，它使用神经网络迭代地变形初始轮廓以匹配对象边界。作者使用循环卷积来进行轮廓上的结构化特征学习，并且根据 deep snake 提出了二阶段流程进行实例分割：初始轮廓建议和轮廓变形。 经实验证明，该方法在实时应用中表现出优异的性能。

    Jan, 2020

  • TextNet：端到端训练的网络，用于从图像中读取不规则文本

    提出了一种名为 TextNet 的端到端训练网络结构，能够同时从图像中定位和识别不规则文本，并通过设计的多任务损失函数实现端到端的文本定位和识别任务。实验结果显示，所提出的 TextNet 在标准基准上取得了最先进的性能，并且在不规则数据集上优于现有方法。

    Dec, 2018

  • 野外曲线文本检测：新数据集和新方法

    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。

    Dec, 2017

  • 傅立叶轮廓嵌入在任意形状文本检测中的应用

    该研究论文提出了一种称为 Fourier Contour Embedding (FCE) 方法，通过傅里叶变换将任意形状的文本轮廓表示为紧凑的签名，并构建 FCENet 模型进行文本检测，实验结果表明其准确度和鲁棒性均较高。

    Apr, 2021

  • 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

  • MSR: 多尺度形状回归在场景文本检测中的应用

    本文提出了一种新的多尺度形状回归网络（MSR），能够在场景中定位不同长度、形状和曲率的文本行，并通过预测密集的文本边界点来探测场景文本，具有较高的文本行长度变化容忍度。此外，该多尺度网络对不同尺度的特征提取及融合表现出优异的容忍度，实验结果显示，在曲线和直线不同长度及取向的场景中，所提出的 MSR 算法具备优越的探测性能。

    Jan, 2019