基于卷积循环神经网络的端到端文本检测与识别

在本工作中，我们基于卷积循环神经网络联合解决自然场景图像中的文本检测与识别问题。我们提出一个统一网络，通过单次前向传播同时定位并识别文本，避免了图像裁剪、特征重算、单词分离或字符分组等中间过程。与将文本检测和识别视为两个不同任务并逐一处理的现有方法不同，所提框架并发地解决这两个任务。整个框架可以端到端训练，仅需要图像、真实边界框和文本标签。通过端到端训练，学习到的特征更具判别性，从而提升整体性能。卷积特征仅计算一次并被检测和识别共享，节省了处理时间。我们的方法在多个基准数据集上取得了具有竞争力的性能。