Text Flow：自然场景图像中的统一文本检测系统
计算机视觉与模式识别
2016-04-26 v1
摘要
主流的场景文本检测方法遵循四个顺序步骤：字符候选检测、错误字符候选去除、文本行提取和文本行验证。然而，错误会在每个顺序步骤中产生并累积，常导致较低的检测性能。为解决这些问题，我们利用最小代价（min-cost）流网络模型提出了一种统一的场景文本检测系统，即 Text Flow。通过级联提升（cascade boosting）检测字符候选后，最小代价流网络模型将最后三个顺序步骤整合为单一过程，有效解决了字符级和文本行级的错误累积问题。所提技术在三个公开数据集上进行了测试，即 ICDAR2011 数据集、ICDAR2013 数据集和一个多语言数据集，并在所有三个数据集上以高得多的召回率和 F-score 优于当前最优（state-of-the-art）方法。在多语言数据集上的良好表现表明，所提技术可用于不同语言文本的检测。
引用
@article{arxiv.1604.06877,
title = {Text Flow: A Unified Text Detection System in Natural Scene Images},
author = {Shangxuan Tian and Yifeng Pan and Chang Huang and Shijian Lu and Kai Yu and Chew Lim Tan},
journal= {arXiv preprint arXiv:1604.06877},
year = {2016}
}
备注
9 pages, ICCV 2015