OCR——论文分享

2020-12-12/星期六

《Character Region Awareness for Text Detection 》

发表于CVPR（2019）。论文利用分割的思想，对单字符实例和字符间的连接关系进行检测，通过连接字符实例实现不规则(变形、弯曲)文本检测。

链接：https://ieeexplore.ieee.org/document/8953846

 

2020-12-16/星期三

《Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection》

发表于CVPR（2020）。来自北京科技大学与腾讯联合实验室。是基于文本组件检测与连接的方法。创新点在于用GCN关系推理来合并文本组件为长文本。对弯曲文本和长文本效果比较好。

链接：https://arxiv.org/abs/2003.07493v1

 

2020-12-17/星期四

1.《PixelLink:DetectingSceneTextviaInstanceSegmentation》 

发表于AAAI（2018）。该篇论文将文本检测问题进行简化，直接通过实例分割进行文本/非文本的分类和边界框抽取。

链接：https://arxiv.org/pdf/1801.01315.pdf

2.《Shape Robust Text Detection with Progressive Scale Expansion Network》 和《Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network》

分别发表于CVPR2019和ICCV2019，都是由旷视团队创作。

两者都是对图像进行像素级别的信息处理，主要解决自然界弯曲文本的检测和区分问题。前者主要利用可变文本检测核确定不同文本块，后者对前者进行优化提升了推理速度

链接：https://arxiv.org/pdf/1806.02559.pdf / https://arxiv.org/abs/1908.05900

 

2020-12-21/星期一

OCR相关数据集的调研和视觉领域会议的调研：

1. 数据集分别是 ICDAR2015,ICDAR2017,ICDAR2019,CTW1500。文章介绍了ICDAR比赛每年的challenges、公开新数据集的详系内容以及各个比赛的排名。

链接：https://blog.csdn.net/qq_25678319/article/details/111152263

2. 文章介绍了近两年计算机视觉领域三大顶会ICCV、CVPR和ECCV以及模式识别顶会ICPR的举办时间和相关Challenges。
链接：https://blog.csdn.net/qq_25678319/article/details/111300483

待续