用于基于 Faster R-CNN 的文本检测方法的无锚区域提议网络
计算机视觉与模式识别
2018-04-25 v1
摘要
Faster R-CNN 和 SSD 框架的锚机制被认为对场景文本检测不够有效，这可归因于其基于锚与真实框之间 IoU 的匹配准则。为了更好地包围各种形状的场景文本实例，需要手动设计不同尺度、长宽比甚至方向的锚，这使得基于锚的方法复杂且低效。本文中，我们提出一种新颖的无锚区域提议网络（AF-RPN）来替换 Faster R-CNN 框架中原始的基于锚的 RPN 以解决上述问题。与 vanilla RPN 和 FPN-RPN 相比，AF-RPN 能摆脱复杂的锚设计，并在大规模 COCO-Text 数据集上实现更高的召回率。得益于高质量的文本提议，我们基于 Faster R-CNN 的两阶段文本检测方法在使用单尺度且单模型（ResNet50）测试时，在 ICDAR-2017 MLT、ICDAR-2015 和 ICDAR-2013 文本检测基准上取得了最先进的结果。
引用
@article{arxiv.1804.09003,
title = {An Anchor-Free Region Proposal Network for Faster R-CNN based Text Detection Approaches},
author = {Zhuoyao Zhong and Lei Sun and Qiang Huo},
journal= {arXiv preprint arXiv:1804.09003},
year = {2018}
}
备注
Technical report