IJCAISep, 2023

场景图像中的无方向中文文本识别

PDF
TL;DR利用字符图像重建网络（CIRN）对纵向中文文本进行识别，通过分离内容和方向信息，提高自然场景中横向和纵向文本的识别性能。
scene text recognitionvertical chinese textsdisentangling contentorientation informationcharacter image reconstruction network
发现论文，激发创造
  • 使用经过预训练的类 CLIP 模型通过图像 ID 同步的中文文本识别

    我们提出了一个受人类认知中文文本方式启发的两阶段框架，通过对齐印刷字符图像和表意描述序列（IDS）来预训练一个类似 CLIP 的模型，从而改进传统的单字符识别到文本行识别，并在两种基准测试中证明了该方法的有效性，特别是在零样本中文字符识别方面表现出色。

    Sep, 2023

  • AON：面向任意方向的文本识别

    本文介绍了一种用于识别自然图像中非规则排列文字的新方法，称为任意方向网络（AON），它采用深度学习技术和注意力解码器来生成字符序列，并在多个数据集上取得了最新的性能。

    Nov, 2017

  • 中英文场景文字图像超分辨率的基准

    提出了一个用于场景文本图像超分辨率的中英文综合基准数据集 Real-CE，重点是恢复结构复杂的中文字符。通过基于边缘信息的学习方法，在图像和特征领域提供结构监督，以有效地重建中文字符的密集结构。在所提出的 Real-CE 基准数据集上对现有的场景文本图像超分辨率模型进行实验和评估，包括具有和没有基于边缘信息的损失的模型。

    Aug, 2023

  • 探索场景文本识别的与字体无关的特征

    本文介绍了一种基于注意力生成字形和可训练字体嵌入的方法，用于解决字体风格差异和排版不规则性在场景文本识别中带来的挑战，并通过实验证明了该方法的优越性。

    Sep, 2020

  • 使用 2D 自注意力网络识别任意形状的文本

    这篇论文提出了一种名为 SATRN 的新型体系结构，受 Transformer 启发，利用自注意机制描述场景文本图像中字符的二维空间依赖性，能够识别任意形状的文本，效果可以打败现有的 STR 模型，尤其是在 “不规则文本” 基准测试中表现得非常出色。

    Oct, 2019

  • 视觉语义提高了场景文本识别中的文本推理水平

    该研究提出了一种基于图卷积网络的文本推理（GTR）方法并将其应用于场景文本识别中，该方法可以利用像素之间的空间关联来提高文本识别的性能，并在六个具有挑战性的基准测试中获得最新的最佳结果。

    Dec, 2021

  • 使用单个视觉模型进行场景文本识别

    本研究提出一种基于补丁式图像记号化框架的单一视觉模型，用于场景文本识别，其通过组成部分级别的混合、合并和 / 或组合，实现全局和局部混合块，以感知字符之间和字符内部的模式，从而通过简单的线性预测识别字符。实验结果表明，在英语和中文场景文本识别任务上，SVTR-L（大型）实现了高竞争准确性，在中文上大幅优于现有的方法，在代码实现方面表现出更快的速度。

    Apr, 2022

  • 基于部首先验的自然场景中的汉字识别

    本文介绍了一种基于偏旁部首的汉字表示方法，并使用多任务学习和监督训练来提高该方法在中文场景文本识别上的性能， 实现了在六个中文数据集上的优异表现。

    Oct, 2022

  • 基于几何感知的高效文本识别

    本文介绍用于场景文本识别的深度学习架构 GeoTRNet 的概念、理论、实现及实验结果，该架构专用于处理常规场景文本，只使用几何特征识别图像中的数字，具有优异的模型可部署性、数据隐私性、模型可靠性，同时具有最小化模型权重、更短的推理时间等优势。

    Feb, 2023

  • 指令引导的场景文本识别

    多模型，场景文本识别，指导学习，跨模态学习，文本识别问题。

    Jan, 2024