面向鲁棒曲线文本检测的条件空间扩展方法
计算机视觉与模式识别
2019-03-22 v1
摘要
由于形状不规则且尺寸多变，曲线文本检测具有挑战性。本文首先研究了现有曲线检测方法的不足，然后提出一种新颖的条件空间扩展（Conditional Spatial Expansion, CSE）机制以提升曲线文本检测性能。我们未将曲线文本检测视为多边形回归或分割问题，而是将其看作区域扩展过程。我们的 CSE 从文本区域内任意初始化的种子开始，基于 CNN 提取的局部特征与已合并区域的上下文信息逐步合并邻域区域。CSE 高度参数化，可无缝集成到现有目标检测框架中。借助数据依赖的 CSE 机制，我们的曲线文本检测系统以最小后处理提供鲁棒的实例级文本区域提取。分析实验表明，我们的 CSE 可处理各种形状、尺寸和方向的文本，并能有效抑制来自类文本纹理或同一 RoI 中意外文本的误检。与现有曲线文本检测算法相比，我们的方法更鲁棒且处理流程更简单。它还在曲线文本基准上创造了新的 SOTA 性能，F 值高达 78.4。
引用
@article{arxiv.1903.08836,
title = {Towards Robust Curve Text Detection with Conditional Spatial Expansion},
author = {Zichuan Liu and Guosheng Lin and Sheng Yang and Fayao Liu and Weisi Lin and Wang Ling Goh},
journal= {arXiv preprint arXiv:1903.08836},
year = {2019}
}
备注
This paper has been accepted by IEEE International Conference on Computer Vision and Pattern Recognition (CVPR 2019)