面向多方向场景文本检测的深度直接回归

本文首先提供了一种新视角，将现有高性能目标检测方法分为直接回归与间接回归。直接回归通过预测给定点的偏移量进行边界回归，而间接回归则预测某些边界框提议的偏移量。随后，我们分析了间接回归（如近期最先进的检测结构Faster-RCNN和SSD所遵循的）在多方向场景文本检测中的缺陷，并指出直接回归的潜在优势。为验证这一观点，我们提出了一种基于深度直接回归的多方向场景文本检测方法。我们的检测框架简洁有效，包含一个全卷积网络和一步后处理。该全卷积网络以端到端方式优化，具有双任务输出：一是文本与非文本的逐像素分类，二是确定四边形文本边界顶点坐标的直接回归。所提方法对定位偶发场景文本尤为有益。在ICDAR2015偶发场景文本基准上，我们的方法取得了81%的F1-measure，达到了新的最优水平，并显著优于先前方法。在其他聚焦场景文本的标准数据集上，我们的方法同样达到了最优性能。