迈向端到端统一的场景文本检测与布局分析
计算机视觉与模式识别
2022-06-06 v2
摘要
场景文本检测与文档布局分析长期以来被视为不同图像域中的两个独立任务。在本文中，我们将它们结合起来并引入统一场景文本检测与布局分析的任务。我们引入了第一个分层场景文本数据集以实现这一新颖的研究任务。我们还提出了一种能够以统一方式同时检测场景文本并形成文本簇的新方法。综合实验表明，我们的统一模型比多个精心设计的基线方法取得更好的性能。此外，该模型在多个场景文本检测数据集上取得了最先进（SOTA）结果，且无需复杂的后处理。数据集与代码：https://github.com/google-research-datasets/hiertext 与 https://github.com/tensorflow/models/tree/master/official/projects/unified_detector。
引用
@article{arxiv.2203.15143,
title = {Towards End-to-End Unified Scene Text Detection and Layout Analysis},
author = {Shangbang Long and Siyang Qin and Dmitry Panteleev and Alessandro Bissacco and Yasuhisa Fujii and Michalis Raptis},
journal= {arXiv preprint arXiv:2203.15143},
year = {2022}
}
备注
To appear at CVPR 2022. Code Available: https://github.com/tensorflow/models/tree/master/official/projects/unified_detector