MixNet: 在野外准确检测具挑战性场景文本的研究

Aug, 2023

MixNet: 在野外准确检测具挑战性场景文本的研究

MixNet: Toward Accurate Detection of Challenging Scene Text in the Wild

Yu-Xiang Zeng, Jun-Wei Hsieh, Xin Li, Ming-Ching Chang

TL;DRMixNet 是一种综合 CNN 和 Transformer 优势的混合架构，能够准确地检测小文本，不受方向、风格和光照条件的影响。MixNet 通过 Feature Shuffle Network（FSNet）和 Central Transformer Block（CTBlock）两个关键模块实现，其中 FSNet 通过特征重排策略生成高分辨率特征，优于 ResNet 和 HRNet；CTBlock 基于中心线特征，在小文本紧密出现时优于基于轮廓的方法。大量实验证明，MixNet 在多个场景文本检测数据集上实现了最先进的结果。

Abstract

Detecting small scene text instances in the wild is particularly challenging, where the influence of irregular positions and nonideal lighting often leads to detection errors. We present mixnet, a hybrid architecture that combines the strengths of CNNs and Transformers, capable of accu

scene text detection small text mixnet feature shuffle network central transformer block

发现论文，激发创造

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

少胜于全：场景文本检测的特征采样和分组

本文提出了一种简单而有效的基于变压器的场景文本检测模型，该模型通过选取几个代表性特征进行文本检测，借助变压器模型建模其特征之间的关系，实现将文本实例划分为合理的组，并轻易地获得其边界框，从而在多个数据集上取得了最新的成果。

Mar, 2022

基于文本注意力的卷积神经网络用于场景文本检测

本文提出了一种基于卷积神经网络的文本 - 卷积神经网络 (Text-CNN) 用于场景文本检测的系统，并通过多层和丰富的监督信息，包括文本区域掩模、字符标签和二分类文本 / 非文本信息来训练 Text-CNN 以提高其判别效能和鲁棒性。最终，该方法在 ICDAR 2013 数据集上取得了很好的效果。

Oct, 2015

多语言自然场景文本检测算法研究

我们提出了一种多语言文本检测模型，通过引入 SFM Swin Transformer 特征提取网络、AS-HRFPN 特征融合网络和全局语义分割分支，改进了对自然场景中多语言文本的检测准确性和难度，实验结果表明该算法 F-measure 值为 85.02%，比基准模型高出 4.71%。

Dec, 2023

场景文本检测的自适应分割网络

基于深度卷积分割算法的场景文本检测器通过学习判别性分割阈值和设计全局信息增强特征金字塔网络，实现了对具有极端长宽比的文本实例的有效检测和自适应分割，为场景文本检测提供了最新的性能表现。

Jul, 2023

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

基于全卷积网络的多方向文本检测

该研究提出了一种使用全卷积神经网络对自然图像中的文本进行检测的新方法，通过综合考虑本地和全局线索，以分层的方式定位文本线。通过组合显著地图和字符组件来估计文本行假设，并使用另一个卷积神经网络分类器预测每个字符的质心，以去除误判。该方法适用于处理多个方向、语言和字体的文本。在三个文本检测基准测试 MSRA-TD500、ICDAR2015 和 ICDAR2013 的性能方面，该方法实现了最先进的性能。

Apr, 2016

用于多方向场景文本检测的融合文本分割网络

本文提出了一种新的多方位场景文本检测的模型，将多级特征融合到特征提取中，将文本实例一起检测和分割，该方法有效地结合了语义分割和基于区域提议的目标检测任务，实现了在多方位场景文本检测基准测试 ICDAR2015 Incidental Scene Text 和 MSRA-TD500 上的超越，达到了分别 84.1% 和 82.0% 的 Hmean 值。

Sep, 2017

级联卷积文本网络在自然图像中实现精确文本定位

本文介绍了一种新的自上而下的场景文本检测流程，提出了一种新颖的级联卷积文本网络（CCTN），利用其将前一个基于字符的检测转化为直接的文本区域估计，避免了多个自下而上的后处理步骤，并展现了其强大的鲁棒性和判别能力。

Mar, 2016

走向场景文本的场景文本翻译

通过一种名为 VTNet 的新型条件扩散方法，本文研究了从源语言（如英语）到目标语言（如中文）的 “视觉” 场景文本翻译任务，通过生成保留文本视觉特征，如字体、大小和背景的翻译图像来解决文字识别和翻译的挑战，并通过全面的实验和与相关方法的比较验证了 VTNet 的性能。

Aug, 2023