只需再看一眼：面向任意形状文本检测
计算机视觉与模式识别
2021-06-25 v1
摘要
任意形状文本检测是一项具有挑战性的任务，因为自然场景中的弯曲文本具有复杂的几何布局。现有的主流方法遵循实例分割流程来获取文本区域。然而，由于尺度变化，单一分割网络难以刻画任意形状文本。本文提出一种基于两阶段分割的检测器，称为NASK（Need A Second looK），用于任意形状文本检测。与传统的单阶段分割网络相比，我们的NASK以由粗到精的方式进行检测：第一阶段分割定位矩形文本提议，第二阶段检索紧凑表示。具体而言，NASK由文本实例分割（TIS）网络（第一阶段）、几何感知文本RoI对齐（GeoAlign）模块和基准点表达（FOX）模块（第二阶段）组成。首先，TIS利用新颖的组空间与通道注意力（GSCA）模块提取增强特征并进行实例分割以获得矩形提议。然后，GeoAlign将这些矩形转换为固定尺寸并编码RoI级特征表示。最后，FOX将文本实例解构为若干关键几何属性以精炼检测结果。在Total-Text、SCUT-CTW1500和ICDAR 2015三个公开基准上的大量实验结果验证了我们的NASK优于近期最先进的方法。
引用
@article{arxiv.2106.12720,
title = {All You Need is a Second Look: Towards Arbitrary-Shaped Text Detection},
author = {Meng Cao and Can Zhang and Dongming Yang and Yuexian Zou},
journal= {arXiv preprint arXiv:2106.12720},
year = {2021}
}
备注
Accepted by T-CSVT