GA-DAN：用于场景文本检测与识别的几何感知域适应网络
计算机视觉与模式识别
2019-07-24 v1
摘要
近期的对抗学习研究在建模外观空间中的跨域数据偏移方面取得了令人瞩目的进展，但其在几何空间中建模跨域偏移的对应研究却远远落后。本文提出了一种创新的几何感知域适应网络（GA-DAN），能够同时在几何空间与外观空间中建模跨域偏移，并真实地将具有截然不同特性的图像跨域转换。在所提出的 GA-DAN 中，设计了一种新颖的多模态空间学习技术，将源域图像转换为目标域中不同空间视角的多张图像。引入了一种新的解耦循环一致性损失，以平衡外观空间与几何空间中的循环一致性，并极大提升了整个网络的学习效果。所提出的 GA-DAN 已在经典的场景文本检测与识别任务上进行了评估，实验表明，经域适应的图像应用于网络训练时取得了优越的场景文本检测与识别性能。
引用
@article{arxiv.1907.09653,
title = {GA-DAN: Geometry-Aware Domain Adaptation Network for Scene Text Detection and Recognition},
author = {Fangneng Zhan and Chuhui Xue and Shijian Lu},
journal= {arXiv preprint arXiv:1907.09653},
year = {2019}
}
备注
Accepted to ICCV 2019