DUET：利用增强的扫描或拍摄文档文本检测
计算机视觉与模式识别
2021-06-11 v1 人工智能
机器学习
摘要
我们提出一种用于文档图像中文本检测的新的深度神经模型。为在含噪扫描文档中实现鲁棒的文本检测，通过增添文本增强这一辅助任务，采用了多任务学习的优势。即，我们提出的模型被设计用于执行降噪、文本区域增强以及文本检测。此外，我们用为文本检测与增强完全标注的合成文档图像丰富了模型的训练数据，从而克服了标注文档图像数据不足的问题。为有效利用合成与真实数据，训练过程分为两阶段。第一阶段仅以全监督方式训练合成数据。随后在第二阶段加入仅有检测标注的真实数据。真实数据的增强任务由其检测标注信息弱监督。我们的方法在一个真实文档数据集上得到验证，性能超越其他文本检测方法。此外，进行了消融实验，结果证实了合成数据、辅助任务与弱监督的有效性。现有文本检测研究多聚焦于场景文本，而我们提出的方法针对扫描文档中的文本应用进行了优化。
引用
@article{arxiv.2106.05542,
title = {DUET: Detection Utilizing Enhancement for Text in Scanned or Captured Documents},
author = {Eun-Soo Jung and HyeongGwan Son and Kyusam Oh and Yongkeun Yun and Soonhwan Kwon and Min Soo Kim},
journal= {arXiv preprint arXiv:2106.05542},
year = {2021}
}