TextSnake：一种用于检测任意形状文本的自由表示
计算机视觉与模式识别
2020-08-19 v2
摘要
在深度神经网络和大规模数据集的驱动下，场景文本检测方法在过去几年中取得了实质性进展，不断刷新各种标准基准上的性能记录。然而，受限于用于描述文本的表示（轴对齐矩形、旋转矩形或四边形），现有方法在处理更为自由形式的文本实例（如弯曲文本）时可能力有不逮，而这类文本在真实场景实则非常常见。为应对此问题，我们提出了一种更灵活的场景文本表示，称为 TextSnake，它能够有效表示水平、定向及弯曲形式的文本实例。在 TextSnake 中，一个文本实例被描述为一串有序、重叠的圆盘序列，这些圆盘以对称轴为中心，每个圆盘具有可能变化的半径与方向。此类几何属性通过全卷积网络（FCN）模型进行估计。在实验中，基于 TextSnake 的文本检测器在 Total-Text 与 SCUT-CTW1500（两个新发布、特别强调自然图像中弯曲文本的基准）以及广泛使用的数据集 ICDAR 2015 和 MSRA-TD500 上取得了最先进或可比的性能。具体而言，TextSnake 在 Total-Text 上的 F-measure 比基线高出 40% 以上。
引用
@article{arxiv.1807.01544,
title = {TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes},
author = {Shangbang Long and Jiaqiang Ruan and Wenjie Zhang and Xin He and Wenhao Wu and Cong Yao},
journal= {arXiv preprint arXiv:1807.01544},
year = {2020}
}
备注
17 pages, accepted to ECCV2018