SPIN：用于场景文本识别的结构保持内部偏移网络
计算机视觉与模式识别
2021-10-26 v4
摘要
任意文本外观给场景文本识别任务带来巨大挑战。现有工作多从形状畸变（包括透视畸变、线条弯曲或其他风格变化）角度处理该问题，因此基于空间变换器的方法被广泛研究。然而，复杂场景中的色彩困难未受足够重视。本工作引入一种全新的可学习且与几何无关的模块——结构保持内部偏移网络（SPIN），其允许在网络内对源数据进行颜色操控。该可微模块可插入任意识别架构之前以简化下游任务，赋予神经网络主动变换输入强度而非现有空间矫正的能力。它也可作为已知空间变换的补充模块，与之以独立或协作方式工作。大量实验表明，与 SOTA 相比，使用 SPIN 在多个文本识别基准上取得显著提升。
引用
@article{arxiv.2005.13117,
title = {SPIN: Structure-Preserving Inner Offset Network for Scene Text Recognition},
author = {Chengwei Zhang and Yunlu Xu and Zhanzhan Cheng and Shiliang Pu and Yi Niu and Fei Wu and Futai Zou},
journal= {arXiv preprint arXiv:2005.13117},
year = {2021}
}
备注
Accepted to AAAI21. Code is available at https://davar-lab.github.io/publication.html or https://github.com/hikopensource/DAVAR-Lab-OCR