CVPRMar, 2022

任意形状文本检测的核心提案网络

PDF
TL;DR本文提出了一个名为 KPN 的创新型 Kernel Proposal Network 用于任意形状文本检测，该方法通过预测高斯中心图，从嵌入特征图中提取候选动态卷积核以分离邻近文本实例，同时通过正交约束保证核的独立性，进而将各个核分别卷积输入特征图并生成文本实例的嵌入图，最终有效地解决了邻近文本实例粘连问题，并取得了优异的性能表现。
arbitrary shape text detectionkernel proposal networkdynamic convolution kernelorthogonal learning lossneighboring text instances separation
发现论文，激发创造
  • 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

  • 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

  • CPN: 用于非受限文本检测的补充提案网络

    通过整合语义和几何信息，提出了一种互补建议网络（CPN）来改进场景文字检测，并在可比较的计算成本下，显著超越现有方法在 ICDAR19-ArT、IC15 和 MSRA-TD500 等基准上分别取得了 3.6％，1.3％和 1.0％的改进。

    Feb, 2024

  • 使用连接文本建议网络检测自然图像中的文本

    本文提出了一种新型的 Connectionist Text Proposal Network，它能够准确地定位自然图像中的文本行，采用纵向锚点机制、卷积神经网络和循环神经网络，可以探索图像的丰富上下文信息，在 ICDAR 2013 和 2015 两个基准测试中实现了 0.88 和 0.61 的超高分数。

    Sep, 2016

  • 基于渐进尺度扩张网络的形状稳健文本检测

    本文介绍了一种名为 PSENet 的新型逐步缩放扩展网络，能够高精度检测任意形状的场景文字，该方法不仅能够解决任意形状文字的不准确问题，还能有效地解决邻近两个文本集实例合并等问题。

    Mar, 2019

  • Mask TextSpotter v3：面向鲁棒性场景文本检测的分割网络

    该研究提出了一种名为 Mask TextSpotter v3 的新的场景文本识别算法，采用 Segmentation Proposal Network（SPN）代替 RPN，从而可以更准确和有效地识别和处理极端宽高比或不规则形状的文本实例，并且识别精度不会受到附近文本或背景噪声的干扰。在多个数据集上的实验中，该算法已实现最优性能。

    Jul, 2020

  • 渐进式尺度扩增网络实现形状稳健文字检测

    本研究提出一种基于分割的检测器，通过渐进式缩小文本实例并分别分割多个预测核以检测任意形状、且强邻近文本分离的文本实例，实现了在 ICDAR 基准测试中优于之前最佳结果的表现。

    Jun, 2018

  • EK-Net：基于扩展核距离的实时场景文本检测

    在本文中，我们提出了一种名为 Expand Kernel Network (EK-Net) 的新方法，该方法通过采用扩展内核距离解决了现有方法中存在的偏差问题，包括三阶段回归完成实例检测。此外，EK-Net 不仅可以实现任意形状文本的精确定位，还能在性能和速度之间取得平衡。评估结果表明，与其他先进方法相比，EK-Net 在 ICDAR 2015 上以 35.42 FPS 的 F-measure 为 85.72%，在 CTW1500 上以 40.13 FPS 的 F-measure 为 85.75%。

    Jan, 2024

  • 深度关系推理图网络用于任意形状文本检测

    本文提出了一种基于关系推理图网络的新型统一任意形状文本检测方法，其中使用 CNN 和 GCN 构建创新的局部图模型将任意形状文本实例划分成一系列小矩形组件，通过深度的关系推理网络进行推理，实验表明该方法在公开数据集上具有最先进的性能。

    Mar, 2020

  • 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