ReADS：一种用于场景文本识别的校正注意力双重监督网络
计算机视觉与模式识别
2020-04-08 v2
摘要
近年来，场景文本识别始终被视为序列到序列问题。连接时序分类（CTC）与注意力序列识别（Attn）是解决该问题的两种非常流行的方法，但它们可能分别在部分场景中失效。CTC 更关注每个独立字符，但在文本语义依赖建模上较弱。基于 Attn 的方法具有更好的上下文语义建模能力，但倾向于在有限训练数据上过拟合。在本文中，我们精心设计了用于通用场景文本识别的校正注意力双重监督网络（ReADS）。为克服 CTC 与 Attn 的弱点，二者均应用于我们的方法中，但在两个监督分支中以不同模块实现，可互为补充。此外，引入有效的空间与通道注意力机制以消除背景噪声并提取有效前景信息。最后，实现了一个简单的校正网络以校正不规则文本。ReADS 可端到端训练且仅需词级标注。在多个基准上的大量实验验证了 ReADS 的有效性，其取得了最先进的性能。
引用
@article{arxiv.2004.02070,
title = {ReADS: A Rectified Attentional Double Supervised Network for Scene Text Recognition},
author = {Qi Song and Qianyi Jiang and Nan Li and Rui Zhang and Xiaolin Wei},
journal= {arXiv preprint arXiv:2004.02070},
year = {2020}
}
备注
8 pages, 3 figures