场景图像中方向无关的中文文本识别
计算机视觉与模式识别
2023-09-06 v1
摘要
场景文本识别（STR）因其广泛应用而备受关注。以往工作更多关注通过引入语言模型或其他辅助网络来处理具有复杂背景的拉丁文本图像识别。与拉丁文本不同，自然场景中存在大量竖排中文文本，这给当前最先进的 STR 方法带来了困难。本文首次尝试通过解耦文本图像的内容与方向信息来提取方向无关的视觉特征，从而在自然场景中鲁棒地识别横排与竖排文本。具体而言，我们引入字符图像重建网络（CIRN）来恢复具有解耦内容与方向信息的对应印刷字符图像。我们在一个用于中文文本识别基准测试的场景数据集上进行实验，结果表明所提方法确实能通过解耦内容与方向信息提升性能。为进一步验证方法有效性，我们额外收集了一个竖排中文文本识别（VCTR）数据集。实验结果显示，在基线模型中引入 CIRN 后，所提方法在 VCTR 上取得了 45.63% 的性能提升。
引用
@article{arxiv.2309.01081,
title = {Orientation-Independent Chinese Text Recognition in Scene Images},
author = {Haiyang Yu and Xiaocong Wang and Bin Li and Xiangyang Xue},
journal= {arXiv preprint arXiv:2309.01081},
year = {2023}
}
备注
IJCAI 2023