TextSR：由识别引导的内容感知文本超分辨率
计算机视觉与模式识别
2019-10-22 v4
摘要
随着卷积神经网络的发展，场景文本识别取得了快速进展。然而，以往大多数方法在识别自然场景图像中常见的低分辨率文本时表现不佳。一种直观的解决方案是引入超分辨率技术作为预处理。但文献中传统的超分辨率方法主要关注自然图像细节纹理的重建，由于文本的独特特性，通常对文本效果不佳。为解决这些问题，本文提出一种内容感知文本超分辨率网络，以生成文本识别所需的信息。具体而言，我们设计了一个端到端网络，可同时执行超分辨率与文本识别。与以往超分辨率方法不同，我们使用文本识别的损失作为文本感知损失（Text Perceptual Loss）来引导超分辨率网络的训练，从而使其更关注文本内容而非无关背景区域。在多个具有挑战性的基准上的大量实验证明了我们所提方法在从微小模糊图像恢复清晰高分辨率图像上的有效性，并表明识别性能明显提升了文本识别器的性能。据我们所知，这是首个关注文本超分辨率的工作。代码将发布于 https://github.com/xieenze/TextSR。
引用
@article{arxiv.1909.07113,
title = {TextSR: Content-Aware Text Super-Resolution Guided by Recognition},
author = {Wenjia Wang and Enze Xie and Peize Sun and Wenhai Wang and Lixun Tian and Chunhua Shen and Ping Luo},
journal= {arXiv preprint arXiv:1909.07113},
year = {2019}
}