一种用于联合学习文本检测与识别的新型集成框架
计算机视觉与模式识别
2018-11-22 v1 机器学习
摘要
本文提出一种用于联合学习文本检测与识别的新型集成框架。对于大多数现有方法，检测与识别被视为两个孤立任务并分别训练，因为检测与识别模型的参数不同，且两个模型在各自训练过程中旨在优化自身的损失函数。与这些方法不同，我们通过共享模型参数，将检测模型与识别模型合并为单一的端到端可训练模型，并同时训练该联合模型以完成两项任务。共享参数不仅有助于有效降低推理过程中的计算负载，还提升了端到端的文本检测-识别精度。此外，我们基于一系列堆叠卷积层且不含任何循环结构，为识别网络设计了一种更简单快速的序列学习方法，这被证明可行并显著提高了推理速度。在不同数据集上的大量实验表明，所提方法取得了极具前景的结果。
引用
@article{arxiv.1811.08611,
title = {A Novel Integrated Framework for Learning both Text Detection and Recognition},
author = {Wanchen Sui and Qing Zhang and Jun Yang and Wei Chu},
journal= {arXiv preprint arXiv:1811.08611},
year = {2018}
}