金字塔掩码文本检测器
计算机视觉与模式识别
2019-03-29 v1
摘要
场景文本检测是场景文本识别系统的重要步骤，旨在自然场景图像中自动定位文本实例。近期一些受益于 Mask R-CNN 的尝试将场景文本检测任务表述为实例分割问题并取得了卓越性能。本文提出一种基于 Mask R-CNN 的新框架，名为金字塔掩码文本检测器（PMTD），以处理场景文本检测。与现有基于 Mask R-CNN 方法生成的二值文本掩码不同，我们的 PMTD 在位置感知监督指导下进行像素级回归，为每个文本实例生成信息更丰富的软文本掩码。对于文本框的生成，PMTD 将获得的二维软掩码重新解释至三维空间，并引入一种新颖的平面聚类算法，基于三维形状推导最优文本框。在标准数据集上的实验表明，所提 PMTD 带来一致且显著的增益，并明显优于当前最优方法。具体而言，它在 ICDAR 2017 MLT 数据集上取得了 80.13% 的 F 值。
引用
@article{arxiv.1903.11800,
title = {Pyramid Mask Text Detector},
author = {Jingchao Liu and Xuebo Liu and Jie Sheng and Ding Liang and Xin Li and Qingjie Liu},
journal= {arXiv preprint arXiv:1903.11800},
year = {2019}
}