AAAIApr, 2021

PGNet：基于点集聚合的任意形状实时文本检测网络

PDF
TL;DR本文提出了全卷积的点聚集网络（PGNet）用于实时读取任意形状的文字，并且在减少 NMS 和 RoI 操作的同时，通过提出的 PG-CTC 损失对像素级别的字符分类图进行学习，避免使用字符级别注释。同时，通过建立字符与其相邻字符之间的联系，引入图形优化模块（GRM）以优化粗糙的识别并提高端到端性能。实验结果证明了所提出的方法具有竞争性的准确性，同时显著提高了运行速度。
arbitrarily-shaped textpgnettext spottingpg-ctc lossgraph refinement module
发现论文，激发创造
  • Text Perceptron: 面向端到端任意形状文本检测

    本文提出了一种名为 Text Perceptron 的端到端可训练文本检测方法，利用基于分割的高效检测器和新颖的形状变换模块，实现了文本检测和识别部分的全局优化，取得了在多个基准测试数据集上的优异性能表现。

    Feb, 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

  • 基于像素聚合网络的高效准确任意形状文本检测

    本文提出了一种高效准确的任意形状文本检测器 Pixel Aggregation Network (PAN)，它配备了低计算成本的分割头和可学习的后处理，其中分割头由 Feature Pyramid Enhancement Module (FPEM) 和 Feature Fusion Module (FFM) 组成。通过预测相似向量准确地聚合文本像素的像素聚合 (PA) 实现可学习后处理。同时，该方法在几个标准基准测试中取得了优异的表现。

    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

  • PAN++：高效准确的任意形状文本端到端定位

    本文提出了一个基于核心表示的端到端文本发现框架，可在自然场景中检测和识别任意形状的文本，并取得了竞争性的精度和高速度。

    May, 2021

  • 具有几何先验的变形鲁棒文本识别

    通过构建具有形状变形和字体多样性的中国艺术数据集，提出了一种变形鲁棒的文本定位方法 (DR TextSpotter)，该方法利用几何先验模块和图卷积网络融合字符特征和标记特征，并进行语义推理以增强对不同字符的区分，实验证明了该方法的有效性。

    Aug, 2023

  • 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

  • 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

  • ContourNet: 迈向准确任意形状场景文本检测的更远一步

    该论文提出了一种名为 ContourNet 的算法来解决场景文本检测中出现的误检和规模变化困难的问题，并通过 Adaptive Region Proposal Network 和 Local Orthogonal Texture-aware Module 两个模块达到了更为准确的任意形状文本检测。

    Apr, 2020

  • SPTS：单点文字定位

    提出了一种新的场景文本识别方法，使用单点标注替代昂贵的边界框标注，将场景文本定位和识别视为序列预测任务，并使用自回归 Transformer 模型预测序列，可达到最先进的识别效果。

    Dec, 2021