用于实时自然场景文本处理的二值卷积编码器-解码器网络
计算机视觉与模式识别
2016-12-13 v1
摘要
在本文中，我们开发了一种用于自然场景文本处理（NSTP）的二值卷积编码器-解码器网络（B-CEDNet）。它将文本图像转换为类别区分的显著性图，以揭示字符的类别、空间和形态信息。现有的解决方案要么消耗大量内存，要么运行时间过长，无法应用于资源受限设备（如高级驾驶辅助系统）上的实时应用。所开发的网络可以通过一次前向操作处理包含字符的多个区域，并且被训练为具有二值权重和二值特征图，这带来了显著的推理运行时间加速和内存使用减少。通过使用超过 200,000 张合成场景文本图像（大小为 ）进行训练，它在 ICDAR-03 和 ICDAR-13 数据集上分别可达到 和 的像素级准确率。在 GPU 上实现的推理运行时间仅消耗 ，网络大小仅为 2.14 MB，比其全精度版本快 且小 。
引用
@article{arxiv.1612.03630,
title = {A Binary Convolutional Encoder-decoder Network for Real-time Natural Scene Text Processing},
author = {Zichuan Liu and Yixing Li and Fengbo Ren and Hao Yu},
journal= {arXiv preprint arXiv:1612.03630},
year = {2016}
}