探索场景文本识别中与字体无关的特征
计算机视觉与模式识别
2020-09-17 v1
摘要
场景文本识别（STR）在过去几年中得到了广泛研究。许多近期提出的方法专为适应场景文本的任意形状、布局与朝向而设计，却忽视了各种字体（或书写）风格也给 STR 带来严峻挑战。这些方法将字符的字体特征与内容特征纠缠在一起，在具有新颖字体风格文本的场景图像识别中表现不佳。为解决该问题，我们通过以大量字体风格注意力生成字形来探索场景文本中与字体无关的特征。具体而言，我们引入可训练的字体嵌入来塑造生成字形的字体风格，而场景文本的图像特征仅表征其本质模式。生成过程由空间注意力机制引导，其有效应对不规则文本并生成比现有图像到图像翻译方法更高质量的字形。在多个 STR 基准上的实验证明了我们的方法相对于当前最优方法的优越性。
引用
@article{arxiv.2009.07447,
title = {Exploring Font-independent Features for Scene Text Recognition},
author = {Yizhi Wang and Zhouhui Lian},
journal= {arXiv preprint arXiv:2009.07447},
year = {2020}
}
备注
accepted by ACM MM 2020. Code: https://actasidiot.github.io/EFIFSTR/