Oct, 2023

用于联合文本检测与布局分析的层级文本识别

PDF
TL;DR我们提出了一种名为层级文本识别器（HTS）的新方法，用于识别图像中的文本并确定其字符、单词、行和段落的四级层级结构。HTS 通过两个新颖组件实现：(1) 统一检测器多边形（UDP），可以生成文本行的贝塞尔曲线多边形以及用于检测线之间自然分组的亲和矩阵；(2) 行 - 字符 - 单词（L2C2W）识别器，可以将行分割为字符，再将它们组合成单词。HTS 在多个单词级文本识别基准数据集以及几何布局分析任务中取得了最先进的结果。
hierarchical text spotterword-level text spottinggeometric layout analysisunified-detector-polygonline-to-character-to-word
发现论文，激发创造
  • 在自然场景中检测任意形状文本的方法，改进文本识别

    提出了一种基于流水线的文本识别框架 UHTA，其中包括用于检测的 UHT 和用于识别的 ASTER。在多个公共场景文本检测数据集上的实验结果表明，UHT 在检测自然场景图像中文本方面具有较好的性能和通用性。

    Nov, 2019

  • SPTS v2：单点场景文本检测

    本文提出了 SPTS v2 框架，采用单点注释作为代替传统文本检测与识别的昂贵手工注释方法。采用基于自回归 Transformer 的 IAD 对同一预测序列内所有文本实例的中心点进行预测，采用 PRD 进行文本识别。详细实验结果证明该方法可超越现有单点文本定位器的性能而实现 14 倍更快的推断速度。同时，实验还进一步展示了单点注释比非点注释和多边形边界框更为适合场景文本识别。

    Jan, 2023

  • OTS：一种用于历史手稿文本定位的单次学习方法

    通过一种新颖的一次学习文本定位方法，即 One-shot learning-based Text Spotting (OTS) 方法，该方法结合了认知研究中的方法，通过空间对齐模块来找到并学习查询图像中最具有区分性的空间区域。同时，引入一种名为环形损失（Torus loss）的新型损失函数，使得嵌入距离空间更具有区分性。我们自己创建了包含古代东巴象形文字的手稿数据集，并在公开数据集上进行了实验，结果表明该方法在一次性文本定位方面优于现有方法。通过 OTS 方法，有望在历史手稿文本识别方面有更好的应用。

    Apr, 2023

  • 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

  • 基于序列生成的统一场景文本识别

    提出一种名为 UNITS 的统一文本识别模型，该模型能够检测任意形状的文本，并利用起始点提示技术从任意起始点提取文本，相较于现有技术表现更具竞争力。

    Apr, 2023

  • SwinTextSpotter: 基于更好的文本检测与识别协同的场景文本定位

    本文提出了一种使用 transformer encoding 的新型端到端场景文本识别框架，并通过一种新的识别转换机制，在不需要额外的矫正模块或字符级别注释的情况下显式地引导文本定位，从而使该方法在多种数据集上显著优于现有方法。

    Mar, 2022

  • 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

  • 只需边界：面向任意形状的文本识别

    该论文提出了一个基于端到端文本检测的点定位方法，通过定位文本边界上的一组点，建立了一种简单而有效的方案，可读取任意形状的文本，并在 ICDAR2015，TotalText 和 COCO-Text 三个数据集上展开实验，实验结果表明，该方法在场景文本检测和端到端文本识别任务上均超过了现有技术水平。

    Nov, 2019

  • WordSup：基于文字注释的基于字符的文本检测方法

    提出了一个弱监督框架，利用词的标注信息培训字符检测器，以及该框架在场景文本检测和数学表达式识别等多种场景下的应用。

    Aug, 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