用于任意形状文本检测的自适应边界提议网络

由于场景文本的高度复杂性与多样性，任意形状文本检测是一项具有挑战性的任务。本文提出一种用于任意形状文本检测的新型自适应边界提议网络，该网络可学习直接生成任意形状文本的精确边界，无需任何后处理。我们的方法主要由边界提议模型与创新的自适应边界形变模型组成。由多层空洞卷积构建的边界提议模型用于生成先验信息（包括分类图、距离场与方向场）及粗边界提议。自适应边界形变模型是一个编码器-解码器网络，其编码器主要由图卷积网络（GCN）与循环神经网络（RNN）构成，旨在以迭代方式执行边界形变，从而在边界提议模型所得先验信息引导下获得文本实例形状。由此，我们的方法可直接高效地生成精确文本边界，无需复杂后处理。在公开数据集上的大量实验证明了本方法达到了最先进的性能。