用于鲁棒文本提取的字符候选网络
计算机视觉与模式识别
2016-02-16 v1
摘要
极大稳定极值区域 (MSER) 是生成字符候选/提议的流行方法，在场景文本检测中表现出优越性能。然而，像素级操作限制了其处理某些挑战性情况的能力（例如，多个连通字符、一个字符的分离部分和非均匀光照）。为了更好地应对这些情况，我们利用全卷积网络 (FCN) 的高容量和快速计算优势，设计了一个字符候选网络 (CPN)。具体而言，该网络同时预测字符得分并细化相应位置。字符得分可用于候选排序以拒绝非字符候选，细化过程旨在获得更准确的位置。此外，考虑到不同字符具有不同长宽比的情况，我们提出了多模板策略，为每个长宽比设计一个细化器。大量实验表明，我们的方法在 ICDAR 2013、SVT 和 Chinese2k 数据集上分别使用少于 1000 个候选达到了 93.88%、93.60% 和 96.46% 的召回率，展示了我们字符候选网络的前景性能。
引用
@article{arxiv.1602.04348,
title = {Character Proposal Network for Robust Text Extraction},
author = {Shuye Zhang and Mude Lin and Tianshui Chen and Lianwen Jin and Liang Lin},
journal= {arXiv preprint arXiv:1602.04348},
year = {2016}
}