面向历史地图的超局部可变形变换器文本检测

历史地图上的文本包含提供地理参考的历史、政治和文化背景的宝贵信息。然而，由于缺乏(1)有效的方法和(2)训练数据，从历史地图中提取文本具有挑战性。以往方法使用针对特定地图样式的 ad-hoc 步骤。最近基于机器学习的文本检测器（例如用于场景图像）具有潜在的解决方案，因为它们在支持各种类型文本实例方面具有灵活性。然而，这些方法在为预测文本实例中每个子组件（边界点和字符）的精确图像特征方面仍面临挑战。这至关重要，因为地图文本可能较长且高度旋转，具有复杂背景，这在从粗糙文本区域检测相关图像特征方面提出了难题。本文提出 PALETTE，一个用于扫描各种历史地图的端到端文本检测器。PALETTE 引入一种新颖的超局部采样模块，以显式学习围绕目标边界点和字符的局部图像特征，用于检测和识别。PALETTE 还启用超局部位置嵌入，以学习边界点和字符在文本实例内部和跨文本实例之间的空间相互作用。此外，本文提出一种自动生成合成地图图像的新方法，用于训练历史地图的文本检测器。实验表明，结合 SynthMap+ 的 PALETTE 在两个新的历史地图基准数据集上超越了 SOTA 文本检测器，尤其在长文本和倾斜文本方面表现突出。我们已将 PALETTE 与 SynthMap+ 部署到处理 David Rumsey 历史地图收藏中的 60,000 多张地图，生成超过 1000 万条文本标签以支持地图搜索。该项目已发布于 https://github.com/kartta-foundation/mapkurator-palette-doc。