使用单一解码器的双向场景文本识别
计算机视觉与模式识别
2020-03-03 v2 计算与语言
机器学习
摘要
场景文本识别（STR）是在裁剪后的单词图像中识别正确单词或字符序列的问题。为了获得更鲁棒的输出序列，双向 STR 的概念被引入。迄今为止，双向 STR 一直通过使用两个独立的解码器来实现：一个用于从左到右解码，一个用于从右到左解码。从计算和优化的角度来看，对几乎相同任务且输出空间相同的两个独立解码器是不理想的。我们提出了双向场景文本 Transformer（Bi-STET），一种新颖的双向 STR 方法，使用单一解码器进行双向文本解码。凭借其单一解码器，Bi-STET 优于那些使用两个独立解码器进行双向解码的方法，同时比这些方法更高效。此外，我们在所有 STR 基准上以 Bi-STET 达到或击败了最先进（SOTA）方法。最后，我们对 Bi-STET 的性能提供了分析与见解。
引用
@article{arxiv.1912.03656,
title = {Bidirectional Scene Text Recognition with a Single Decoder},
author = {Maurits Bleeker and Maarten de Rijke},
journal= {arXiv preprint arXiv:1912.03656},
year = {2020}
}
备注
8 pages. In 24th European Conference on Artificial Intelligence