用于自然场景光学字符识别的带注意力建模的递归循环网络
计算机视觉与模式识别
2016-03-11 v1
摘要
我们提出带注意力建模的递归循环神经网络（RAM），用于自然场景图像中的无词典光学字符识别。所提方法的主要优势在于：(1) 使用递归卷积神经网络（CNNs），其可实现参数高效且有效的图像特征提取；(2) 一个隐式学习的字符级语言模型，体现在循环神经网络中，避免了使用N元语法的需要；(3) 使用软注意力机制，允许模型以协调方式选择性地利用图像特征，并允许在标准反向传播框架内进行端到端训练。我们在具有挑战性的基准数据集上以最先进的性能验证了我们的方法：Street View Text、IIIT5k、ICDAR 和 Synth90k。
引用
@article{arxiv.1603.03101,
title = {Recursive Recurrent Nets with Attention Modeling for OCR in the Wild},
author = {Chen-Yu Lee and Simon Osindero},
journal= {arXiv preprint arXiv:1603.03101},
year = {2016}
}
备注
accepted at CVPR 2016