CVPRFeb, 2020

ABCNet: 自适应 Bezier 曲线网络的实时场景文本定位

PDF
TL;DR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。
scene text detectionadaptive bezier-curve networkarbitrarily-shaped textbezieralign layerreal-time applications
发现论文，激发创造
  • 实时端到端文本检测的自适应贝塞尔曲线网络 - ABCNet v2

    本论文介绍了一种适应性贝塞尔曲线网络 v2 (ABCNet v2) 的方法，该方法通过贝塞尔曲线适应性地拟合任意形状的文本，设计新颖的 BezierAlign 层提高了识别精度，简化了流程，并通过简单但有效的坐标卷积进一步提高了性能，经过实验证明在各种双语基准数据集上实现了最先进的性能。

    May, 2021

  • 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

  • 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

  • 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

  • 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

  • 低秩逼近网络高效准确的场景文字检测

    提出了一种名为 LRANet 的文本检测器，该方法基于双重匹配方案用于正样本，利用低秩近似的文本轮廓表示方法来处理不规则形状文本，提高速度与准确性，并在三个数据集上展示了该方法的比较优越性。

    Jun, 2023

  • 自适应边界建议网络用于任意形状文本检测

    该文提出一种基于神经网络的边界生成方法，能够直接生成准确的任意形状文本边界而无需后处理，实验表明该方法在公开数据集上取得了良好的效果。

    Jul, 2021

  • 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

  • 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