用于场景文本识别的高斯约束注意力网络
计算机视觉与模式识别
2020-10-20 v1
摘要
场景文本识别一直是计算机视觉中的热门话题。近期方法采用注意力机制进行序列预测，取得了令人信服的结果。然而，我们认为现有注意力机制面临注意力扩散的问题，即模型可能无法聚焦于某个字符区域。本文提出高斯约束注意力网络来解决该问题。它是一种基于二维注意力的方法，集成了一种新颖的高斯约束精炼模块，该模块预测一个额外的高斯掩码来精炼注意力权重。与简单地对注意力权重施加额外监督不同，我们提出的方法引入了显式的精炼。通过这种方式，注意力权重将更加集中，基于注意力的识别网络取得了更好的性能。所提出的高斯约束精炼模块具有灵活性，可直接应用于现有的基于注意力的方法。在多个基准数据集上的实验证明了我们方法的有效性。我们的代码已发布于 https://github.com/Pay20Y/GCAN。
引用
@article{arxiv.2010.09169,
title = {Gaussian Constrained Attention Network for Scene Text Recognition},
author = {Zhi Qiao and Xugong Qin and Yu Zhou and Fei Yang and Weiping Wang},
journal= {arXiv preprint arXiv:2010.09169},
year = {2020}
}
备注
ICPR2020