EK-Net：基于扩展核距离的实时场景文本检测
计算机视觉与模式识别
2024-01-23 v1
摘要
近年来，场景文本检测因其广泛的应用而受到极大关注。然而，在多尺度、多方向和弯曲的复杂场景中实现准确检测仍然是一个挑战。许多检测方法采用 Vatti 裁剪（VC）算法进行多实例训练，以解决任意形状文本的问题。然而，我们发现这些方法存在几种偏差结果，称为“收缩核”。具体而言，这是指由于输出过度偏向文本核而导致的精度下降。在本文中，我们提出了一种名为扩展核网络（EK-Net）的新方法，通过扩展核距离来弥补之前的不足，该方法包含三阶段回归以完成实例检测。此外，EK-Net 不仅实现了任意形状文本的精确定位，还在性能与速度之间取得了平衡。评估结果表明，与其他先进方法相比，EK-Net 达到了最先进或具有竞争力的性能，例如在 ICDAR 2015 数据集上以 35.42 FPS 的速度达到 85.72% 的 F-measure，在 CTW1500 数据集上以 40.13 FPS 的速度达到 85.75% 的 F-measure。
引用
@article{arxiv.2401.11704,
title = {EK-Net:Real-time Scene Text Detection with Expand Kernel Distance},
author = {Boyuan Zhu and Fagui Liu and Xi Chen and Quan Tang},
journal= {arXiv preprint arXiv:2401.11704},
year = {2024}
}
备注
2024 IEEE International Conference on Acoustics, Speech and Signal Processing