用于文本识别的解耦注意力网络
计算机视觉与模式识别
2019-12-24 v1
摘要
文本识别因各种应用而吸引了大量研究兴趣。前沿的文本识别方法基于注意力机制。然而，大多数注意力方法通常因其递归对齐操作（其中对齐依赖于历史解码结果）而遭受严重的对齐问题。为补救该问题，我们提出一种解耦注意力网络（DAN），其将对齐操作与历史解码结果的使用解耦。DAN 是一种有效、灵活且鲁棒的端到端文本识别器，由三部分组成：1）从输入图像提取视觉特征的特征编码器；2）基于编码器视觉特征执行对齐操作的卷积对齐模块；3）联合使用特征图和注意力图做出最终预测的解耦文本解码器。实验结果表明，DAN 在多个文本识别任务上达到最先进性能，包括离线手写文本识别与规则/不规则场景文本识别。
引用
@article{arxiv.1912.10205,
title = {Decoupled Attention Network for Text Recognition},
author = {Tianwei Wang and Yuanzhi Zhu and Lianwen Jin and Canjie Luo and Xiaoxue Chen and Yaqiang Wu and Qianying Wang and Mingxiang Cai},
journal= {arXiv preprint arXiv:1912.10205},
year = {2019}
}
备注
9 pages, 8 figures, 6 tables, accepted by AAAI-2020