RSCA：基于实时分割的上下文感知场景文本检测
计算机视觉与模式识别
2021-05-28 v1
摘要
基于分割的场景文本检测方法近年来被广泛采用以检测任意形状文本，因为它们对弯曲文本实例做出准确的像素级预测，且无需在锚点上耗时处理即可促进实时推理。然而，当前基于分割的模型无法学习弯曲文本的形状，且常需复杂的标签分配或重复的特征聚合以获得更准检测。本文中，我们提出 RSCA：一种用于任意形状场景文本检测的基于实时分割的上下文感知模型，其以两个简单而有效的策略为场景文本检测设立了强基线：局部上下文感知上采样与动态文本脊线标注，分别建模局部空间变换与简化标签分配。基于这些策略，RSCA 在速度与精度上均达到 SOTA 性能，且无需复杂标签分配或重复特征聚合。我们在多个基准上开展广泛实验以验证方法有效性。RSCA-640 在 CTW1500 数据集上以 48.3 FPS 达到 83.9% F-measure。
引用
@article{arxiv.2105.12789,
title = {RSCA: Real-time Segmentation-based Context-Aware Scene Text Detection},
author = {Jiachen Li and Yuan Lin and Rongrong Liu and Chiu Man Ho and Humphrey Shi},
journal= {arXiv preprint arXiv:2105.12789},
year = {2021}
}
备注
CVPR 2021 Workshop