面向精确场景文本识别的语义推理网络
计算机视觉与模式识别
2020-03-30 v1
摘要
场景文本图像包含两层内容：视觉纹理与语义信息。尽管以往的 scene text recognition（场景文本识别）方法在过去几年中取得了巨大进展，但关于挖掘语义信息以辅助文本识别的研究较少受到关注，仅有类 RNN 结构被探索用于隐式建模语义信息。然而，我们观察到基于 RNN 的方法存在一些明显缺陷，例如时间依赖的解码方式以及语义上下文的单向串行传输，这极大限制了语义信息的帮助与计算效率。为缓解这些局限，我们提出了一种名为语义推理网络（semantic reasoning network, SRN）的新型端到端可训练框架，用于精确的场景文本识别，其中引入了全局语义推理模块（global semantic reasoning module, GSRM）以通过多路并行传输捕获全局语义上下文。在 7 个公开基准（包括规则文本、不规则文本和非拉丁长文本）上的 state-of-the-art（最优）结果验证了所提方法的有效性与鲁棒性。此外，SRN 的速度相比基于 RNN 的方法具有显著优势，展示了其实用价值。
引用
@article{arxiv.2003.12294,
title = {Towards Accurate Scene Text Recognition with Semantic Reasoning Networks},
author = {Deli Yu and Xuan Li and Chengquan Zhang and Junyu Han and Jingtuo Liu and Errui Ding},
journal= {arXiv preprint arXiv:2003.12294},
year = {2020}
}
备注
Accepted to CVPR2020