GTC：面向高效准确场景文本识别的 CTC 引导训练
计算机视觉与模式识别
2020-02-05 v1 机器学习
图像与视频处理
摘要
连接时序分类（CTC）与注意力机制是近期场景文本识别工作中的两类主要方法。与基于注意力的方法相比，CTC 解码器推理时间更短，但准确率较低。为设计高效且有效的模型，我们提出 CTC 的引导训练（GTC），其中 CTC 模型从更强大的注意力引导中学习更好的对齐与特征表示。借助引导训练的优势，CTC 模型在对规则与不规则场景文本的预测中实现了鲁棒且准确的结果，同时保持了快速的推理速度。此外，为进一步挖掘 CTC 解码器的潜力，提出一种图卷积网络（GCN）以学习所提取特征的局部关联。在标准基准上的大量实验表明，我们的端到端模型在规则与不规则场景文本识别上达到了新的 SOTA，且推理时间比基于注意力的方法短 6 倍。
引用
@article{arxiv.2002.01276,
title = {GTC: Guided Training of CTC Towards Efficient and Accurate Scene Text Recognition},
author = {Wenyang Hu and Xiaocong Cai and Jun Hou and Shuai Yi and Zhiping Lin},
journal= {arXiv preprint arXiv:2002.01276},
year = {2020}
}
备注
Accepted by AAAI 2020