基于单点解码网络的场景文本识别
计算机视觉与模式识别
2022-09-07 v1
摘要
近年来，基于注意力的场景文本识别方法十分流行，引起了众多研究者的兴趣。基于注意力的方法可在解码过程中自适应地将注意力集中于小区域甚至单点，其注意力矩阵近乎 one-hot 分布。此外，推理时整个特征图会被所有注意力矩阵加权求和，导致巨大的冗余计算。本文提出一种高效的免注意力单点解码网络（称为 SPDN）用于场景文本识别，可替代传统的基于注意力的解码网络。具体而言，我们提出单点采样模块（SPSM）以在特征图上高效采样一个关键点用于解码一个字符。如此，我们的方法不仅能精确定位每个字符的关键点，还可去除冗余计算。基于 SPSM，我们设计了一种高效新颖的单点解码网络来替代基于注意力的解码网络。在公开基准上的大量实验证实，我们的 SPDN 可在不牺牲性能的前提下大幅提升解码效率。
引用
@article{arxiv.2209.01914,
title = {Scene Text Recognition with Single-Point Decoding Network},
author = {Lei Chen and Haibo Qin and Shi-Xue Zhang and Chun Yang and Xucheng Yin},
journal= {arXiv preprint arXiv:2209.01914},
year = {2022}
}