场景文本检测中的平移方差
计算机视觉与模式识别
2022-08-22 v1
摘要
卷积神经网络理论暗示了平移等变性的性质，即平移的输入导致同等平移的输出。然而在实践中，情况并非总是如此。这对场景文本检测造成了很大问题，因为一致的空间响应至关重要，而与文本在场景中的位置无关。使用一个简单合成实验，我们展示了最先进的 fully convolutional 文本检测器的固有平移方差。此外，使用相同的实验设置，我们展示了微小的架构改变如何导致改进的平移等变性以及检测器输出更小的变化。我们使用文本检测网络上的真实训练方案验证了合成结果。为量化平移可变性的程度，我们提出了一种基于公认文本检测基准的指标。虽然所提出的架构改变无法完全恢复平移等变性，但添加平滑滤波器可大幅改善常见文本数据集上的平移一致性。考虑到微小平移的潜在巨大影响，我们提议用本工作描述的指标扩展常用的文本检测指标，以便能够量化文本检测器的一致性。
引用
@article{arxiv.2208.09231,
title = {Shift Variance in Scene Text Detection},
author = {Markus Glitzner and Jan-Hendrik Neudeck and Philipp Härtinger},
journal= {arXiv preprint arXiv:2208.09231},
year = {2022}
}
备注
Accepted at the ECCV 2022 Text in Everything workshop