2D Attention Network for Scene Text Recognition

paper地址：2D Attentional Irregular Scene Text Recognizer.

继 Transformer-based-OCR 后又一篇基于语言、翻译模型架构的不规则文字识别的paper，主要贡献如下：

• attention部分使用多层双向transformer的block（BERT）替代了单transformer block；
• label只用于计算loss，不用作网络输入，因此output过程是一次性输出整个字符串，精度和inference速度较之Transformer-based OCR都有所改善；
• decoder部分串联了一个BERT attention模块，增强了输出节点间(每个字符作为一个节点)的依赖关系；
• 支持多行字符识别；

---

网络结构：

• Feature Extraction Module：图像resize为32x100作为输入，encoder部分是基于ResNet的CNN模块，得到的feature map 经过flatten操作压缩为一维特征向量，记为&#x