基于双重监督与注意力机制的场景文本识别网络
计算机视觉与模式识别
2019-10-23 v3 人工智能
摘要
本文提出一种用于场景文本识别的端到端可训练新框架——带注意力机制的双重监督网络(DSAN)。它在特征提取过程中引入一个文本注意力模块，迫使模型聚焦于文本区域，且整个框架由两条分支进行监督。一条监督分支来自上下文级建模，另一条来自一个额外的监督增强分支，旨在处理字符级上不明确的语义信息。这两种监督可相互裨益并获得更优性能。所提方法能识别任意长度文本，且不需要任何预定义词典。我们的方法在三个文本识别基准IIIT5K、ICDAR2013和SVT上优于当前最先进方法，分别达到88.6%、92.3%和84.1%的准确率，表明了该方法的有效性。
引用
@article{arxiv.1808.00677,
title = {Double Supervised Network with Attention Mechanism for Scene Text Recognition},
author = {Yuting Gao and Zheng Huang and Yuchen Dai and Cheng Xu and Kai Chen and Jie Tuo},
journal= {arXiv preprint arXiv:1808.00677},
year = {2019}
}