基于深度强化学习的弱监督场景文本检测
计算机视觉与模式识别
2022-01-14 v1 人工智能
机器学习
摘要
场景文本检测这一具有挑战性的领域需要复杂的数据标注，既耗时又昂贵。弱监督等技术可减少所需数据量。本文提出一种利用强化学习（RL）的场景文本检测弱监督方法。RL智能体获得的奖励由神经网络估计，而非从真实标签推断。首先，我们通过若干训练优化改进现有的监督式RL文本检测方法，从而缩小与基于回归算法的性能差距。随后，我们在真实世界数据上以弱监督和半监督方式使用所提系统训练。我们的结果表明弱监督设定下的训练是可行的。然而，我们发现将所提模型用于半监督设定（例如将带标注的合成数据与未标注的真实世界数据结合）时效果最佳。
引用
@article{arxiv.2201.04866,
title = {Weakly Supervised Scene Text Detection using Deep Reinforcement Learning},
author = {Emanuel Metzenthin and Christian Bartz and Christoph Meinel},
journal= {arXiv preprint arXiv:2201.04866},
year = {2022}
}