CM-Net：基于同心掩码任意形状文本检测
计算机视觉与模式识别
2022-01-25 v9
摘要
近年来快速任意形状文本检测已成为一个引人关注的研究课题。然而，大多数现有方法非实时，可能在智能系统中有所不足。尽管已提出少数实时文本方法，其检测精度远落后于非实时方法。为同时提升检测精度与速度，我们提出一种新颖快速且准确的文本检测框架，即CM-Net，其构建于一种新的文本表示方法和一个多视角特征(MPF)模块之上。前者能以高效鲁棒的方式通过同心掩码(CM)拟合任意形状文本轮廓。后者鼓励网络从多视角学习更多CM相关判别特征且不带来额外计算成本。得益于CM与MPF的优势，所提CM-Net仅需预测文本实例的一个CM即可重建文本轮廓，并与先前工作相比在检测精度与速度间取得最佳平衡。此外，为确保多视角特征被有效学习，提出了多因子约束损失。大量实验表明所提CM高效且鲁棒地拟合任意形状文本实例，并验证了MPF与约束损失对判别性文本特征识别的有效性。进一步，实验结果显示所提CM-Net在MSRA-TD500、CTW1500、Total-Text和ICDAR2015数据集上的检测速度与精度均优于现有最先进(SOTA)实时文本检测方法。
引用
@article{arxiv.2011.14714,
title = {CM-Net: Concentric Mask based Arbitrary-Shaped Text Detection},
author = {Chuang Yang and Mulin Chen and Zhitong Xiong and Yuan Yuan and Qi Wang},
journal= {arXiv preprint arXiv:2011.14714},
year = {2022}
}