RRPN++：面向更精确场景文本检测的引导方法
计算机视觉与模式识别
2020-09-29 v1
摘要
RRPN 是杰出的场景文本检测方法之一，但手工设计的锚框与粗糙的候选框细化使其性能仍远未完美。本文提出 RRPN++，通过若干改进挖掘基于 RRPN 的模型的潜力。在 RRPN 基础上，我们提出无锚金字塔候选网络（Anchor-free Pyramid Proposal Networks, APPN）以生成第一阶段候选框，其采用无锚设计以减少候选框数量并加速推理。在第二阶段，检测分支与识别分支均被引入以执行多任务学习。在推理阶段，检测分支输出候选框细化结果，识别分支预测细化文本区域的转写文本。此外，识别分支还通过联合过滤策略对候选框重新打分并消除假阳性候选框。借助这些增强，我们在 ICDAR2015 上相比 RRPN 将检测的 F-measure 提升了 。在其他基准上的实验也表明了我们所提模型的优越性能与效率。
引用
@article{arxiv.2009.13118,
title = {RRPN++: Guidance Towards More Accurate Scene Text Detection},
author = {Jianqi Ma},
journal= {arXiv preprint arXiv:2009.13118},
year = {2020}
}
备注
Tech report, code will be released