Mask TextSpotter v3 来了！最强端到端文本识别模型

场景文本的识别可以用文本检测+文本识别两个过程来做，近年来端到端的场景文本识别（即Text Spotting）越来越引起学术界的重视，而华中科技大学白翔老师组的 Mask TextSpotter v1、v2 一直是该领域的代表性工作。

近日  Mask TextSpotter v3 发布，代码已开源，论文 Mask TextSpotter v3: Segmentation Proposal Network for Robust Scene Text Spotting 详细介绍了其要解决的问题、使用的方案和达到的性能，此次更新依然带来惊喜，在多个数据集上大幅刷新了SOTA！

该文作者信息：

作者来自华中科技大学和 Facebook AI。

文中称 Mask TextSpotter v3  在 ICDAR 2013 数据集上提升了 21.9个百分点，在Total-Text 数据集上提升了5.9个百分点，在MSRA-TD500 数据集上也达到了SOTA，证明该算法具有强大的应对文本旋转、形状多变和极端纵横比的鲁棒性。

要解决的问题

如下图：