面向高效场景文本识别的并行尺度化注意力网络
计算机视觉与模式识别
2021-04-27 v1 人工智能
摘要
本文提出一种用于场景文本图像的新文本识别网络。许多最优方法在文本编码器或解码器中采用注意力机制进行文本对齐。尽管基于编码器的注意力取得可喜结果，这些方案固有明显局限：它们顺序执行特征提取（FE）与视觉注意力（VA），使注意力机制仅能依赖 FE 最终单尺度输出；且注意力过程利用受限于仅直接作用于单尺度特征图。为解决这些问题，我们提出一种新的多尺度且基于编码器的文本识别注意力网络，并行执行多尺度 FE 与 VA。多尺度通道间也规律互融以共同培育协同知识。在标准基准上的定量评估与鲁棒性分析表明，所提网络在大多数情况下优于 SOTA。
引用
@article{arxiv.2104.12076,
title = {Parallel Scale-wise Attention Network for Effective Scene Text Recognition},
author = {Usman Sajid and Michael Chow and Jin Zhang and Taejoon Kim and Guanghui Wang},
journal= {arXiv preprint arXiv:2104.12076},
year = {2021}
}