OCR识别—textscanner

下载地址:https://arxiv.org/pdf/1912.12422.pdf

TextScanner: Reading Characters in Order for Robust Scene Text Recognition

摘要:
有文章基于分割做文字识别（对文字进行实例分割+分类），就有可能出现误分割/分类。或许这里可以将分割作为attention的一部分，前面这篇文章Decoupled Attention Network for Text Recognition就是这个思路.
这篇文章属于分割的思路，利用像素级别和多通道的分割图来预测类别，位置和顺序。然后利用rnn进行解码

1. 简介

由于rnn模块的递归记忆机制，会使attention ocr的attention map预测不准，影响最后的分类。
基于语义分割的算法探索了不同的方法，对不同形状的文本(水平、定向和弯曲)表现出更强的适应性。但是这种方法又是分割的效果决定一切。但是又很难准确的分割开每个字符，存在着单字符被切分，多字符合并的现象。如上图所示。
文章认为：rnn基础的方法，图片特征编码和上一个字符的编码会相互干扰。因此，有必要对独立分支进行字符对齐和分类。对于基于语义分割的算法，假定字符可以通过简单的二值化来寻找，但在具有挑战性的场景中并不适用。为了解决这一问题，一个自然可行的解决方案是用不同的通道来表示字符的位置和顺序。

总结

1. 原来用cnn+rnn做文字识别的方法，cnn特征提取，rnn进行定位+顺序，ann做分类所以这里对rnn的要求就比较高，需要学习两种关系。

Textscanner