基于掩码边界框选择的ResNet文本旋转角度预测器
计算机视觉与模式识别
2022-09-20 v1
摘要
现有的光学字符识别（OCR）系统能够识别含水平文本的图像。然而，当文本旋转角度增大时，识别这些文本变得更为困难，OCR系统的性能下降。因此预测文本旋转角度并校正图像十分重要。先前工作主要使用传统计算机视觉方法（如霍夫变换）与深度学习方法（如卷积神经网络）。然而，这些方法均易受含文本通用图像中普遍存在的背景噪声干扰。为解决此问题，本工作引入一种新的掩码边界框选择方法，将边界框信息融入系统。通过训练ResNet预测器以边界框作为感兴趣区域（ROI），该预测器学会忽略背景噪声。在文本旋转预测任务上的评估表明，我们的方法大幅提升了性能。
引用
@article{arxiv.2209.09198,
title = {A Masked Bounding-Box Selection Based ResNet Predictor for Text Rotation Prediction},
author = {Michael Yang and Yuan Lin and ChiuMan Ho},
journal= {arXiv preprint arXiv:2209.09198},
year = {2022}
}