CVPRDec, 2018

通过迭代图像校正的端到端场景文本识别

PDF
TL;DR本文提出了一种端到端训练的场景文本识别系统，该系统可以通过迭代去除透视畸变和文本弯曲，从而驱动更好的场景文本识别性能，其中采用一种创新的矩形化网络，该网络利用一种新颖的线拟合变换来估计场景中文本行的姿态，在此基础之上，开发了一种迭代的矩形化管道，其中场景文本失真被迭代地纠正到前方平行视图。
scene text recognitiondeep networksperspective distortiontext line curvaturerectification
发现论文，激发创造
  • 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

  • 基于对称约束的场景文本矫正网络

    本文提出一种基于对称约束的矫正网络（ScRN），利用文本实例的局部属性（如中心线、比例和方向）来生成更好的校正结果，从而实现对正常和不规则形状文本的高识别精度。该方法在包含相当比例的不规则文本实例的数据集（例如 ICDAR 2015、SVT-Perspective 和 CUTE80）上，优于现有算法。

    Aug, 2019

  • 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

  • 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

  • 自动矫正的鲁棒场景文本识别

    我们提出了 RARE（具有自动矫正的强韧文本识别器），这是一种专门设计的深度神经网络，用于识别不规则文本，并能在多种基准测试上取得最先进或高度竞争性的表现。

    Mar, 2016

  • 基于 Transformer 的场景文本识别

    本论文提出了一种基于 transformer 的简单但极其有效的场景文本识别方法，只需要空间注意力而不需要矫正图像，仅使用卷积特征图作为单词嵌入输入到 transformer 中，并在大规模实验中取得了显著的优越性能。

    Mar, 2020

  • ESTISR：针对真实场景的高效场景文本图像超分辨率调整

    提出了一种高效场景文本图像超分辨网络（ESTISR Network）用于资源受限的部署平台，ESTISR 依赖于 CNN 特征提取器和用于解码低分辨率图像的高效自我关注机制，它在还原图像的质量和提高场景文本识别准确性时，不仅能保持高性能，还在实际运行时间和峰值内存消耗方面表现更优秀。

    Jun, 2023

  • 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

  • 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

  • 面向任意形状场景文本的大规模端到端推理

    本文利用收集在 TextVQA 数据集的真实图像上的 900K 个文本单词，提出了任意形状的场景文本​​检测和识别系统 TextOCR，使用该系统训练的 OCR 模型 PixelM4C 在图像上进行场景文本​​推理，以达到新的 TextVQA 数据集上的最新性能水平。

    May, 2021