SGBANet：用于任意方向场景文本识别的语义 GAN 与平衡注意力网络
计算机视觉与模式识别
2022-07-22 v1
摘要
由于复杂的背景和文本实例的多样变化，场景文本识别是一项具有挑战性的任务。在本文中，我们提出一种新颖的语义 GAN 与平衡注意力网络（SGBANet）来识别场景图像中的文本。所提方法首先利用语义 GAN 生成简单的语义特征，然后通过平衡注意力模块识别场景文本。语义 GAN 旨在对齐支持域与目标域之间的语义特征分布。与在图像层面执行的常规图像到图像翻译方法不同，语义 GAN 在语义层面通过语义生成器模块（SGM）和语义判别器模块（SDM）进行生成与判别。对于目标图像（场景文本图像），语义生成器模块生成与支持图像（清晰文本图像）具有相同特征分布的简单语义特征。语义判别器模块用于区分支持域与目标域之间的语义特征。此外，设计了一个平衡注意力模块以缓解注意力漂移问题。平衡注意力模块首先基于视觉一瞥向量和语义一瞥向量学习平衡参数，然后执行平衡操作以获得平衡的一瞥向量。在六个基准上的实验，包括规则数据集 IIIT5K、SVT、ICDAR2013 和不规则数据集 ICDAR2015、SVTP、CUTE80，验证了我们所提方法的有效性。
引用
@article{arxiv.2207.10256,
title = {SGBANet: Semantic GAN and Balanced Attention Network for Arbitrarily Oriented Scene Text Recognition},
author = {Dajian Zhong and Shujing Lyu and Palaiahnakote Shivakumara and Bing Yin and Jiajia Wu and Umapada Pal and Yue Lu},
journal= {arXiv preprint arXiv:2207.10256},
year = {2022}
}
备注
Accepted by ECCV 2022