探索与提升场景文本检测模型鲁棒性
计算机视觉与模式识别
2021-10-13 v1
摘要
由于场景文本检测技术具有众多实际应用，理解文本检测模型在广泛 corruption 下的鲁棒性至关重要。为系统探索该问题，我们提出两个用于评估场景文本检测模型的数据集：ICDAR2015-C（IC15-C）与 CTW1500-C（CTW-C）。我们的研究扩展了对提出的基于区域提议、回归与分割的场景文本检测框架的性能与鲁棒性的考察。此外，我们对六个关键组件进行鲁棒性分析：预训练数据、骨干网络、特征融合模块、多尺度预测、文本实例表示与损失函数。最后，我们提出一种简单而有效的基于数据的方法，通过合并背景与前景来破坏文本区域的平滑性，可显著提升不同文本检测网络的鲁棒性。我们希望本研究能为未来研究提供有效的数据点及经验。基准、代码与数据将发布于 \url{https://github.com/wushilian/robust-scene-text-detection-benchmark}。
引用
@article{arxiv.2110.05700,
title = {On Exploring and Improving Robustness of Scene Text Detection Models},
author = {Shilian Wu and Wei Zhai and Yongrui Li and Kewei Wang and Zengfu Wang},
journal= {arXiv preprint arXiv:2110.05700},
year = {2021}
}