白翔老师团队开源了 ASTER,一种基于空间变换的自然场景的文本识别算法,最开始出现于CVPR2016的论文,登上了PAMI。
它是文本识别算法,不包括文本检测,对于输入的检测到的文本图像块,识别出相应字符。
该代码值得推荐的理由:
1.高精度。
2.高速度。
3.已经申请了专利。并获得了专利授权,说明作者充分肯定了其商业化潜力。
4.包含训练代码。可以训练自己的数据集。
代码主页:https://github.com/bgshih/aster
方法概述
本文方法主要解决不规则排列文字的文字识别问题,论文为之前一篇CVPR206的paper(Robust Scene Text Recognition with Automatic Rectification,方法简称为RARE)的改进版(journal版)。
1. 主要思路
- 针对不规则文字,先矫正成正常线性排列的文字,再识别;
- 整合矫正网络和识别网络成为一个端到端网络来训练;
- 矫正网络使用STN,识别网络用经典的sequence to sequence + attention
2. 方法框架和流程
方法ASTER全称为Attentional Scene TExt Recognizer with Flexible Rectification,包括两个模块,一个用来矫正(rectification network),另一个用来识别(recognition work),如下图所示。
3. 文章亮点
- 效果太好了,针对普通文字和不规则文字,尤其是不规则文字
- 端到端训练 + 不需要人工标注(无需矫正网络的控制点)
方法细节
1. 背景
问题定义
本文要解决的问题是irregular text的识别问题,包括:多方向文字(oriented text)、透视形变文字(perspective text)、曲线文字(curved t