今天要分享的是南洋理工大学2019年发表在CVPR上的一篇论文。题目名为:通过迭代图像矫正的端到端场景文本识别(ESIR: End-to-end Scene Text Recognition via Iterative Image Rectification),原文链接为:https://www.researchgate.net/publication/332138404_ESIR_End-to-end_Scene_Text_Recognition_via_Iterative_Image_Rectification。
CVPR即国际计算机视觉与模式识别会议,是IEEE一年一度的学术性会议,会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议,与ICCV和ECCV合称三大顶会。这篇论文讲述的是一种识别弯曲文本的方法。
今天我们要介绍这篇论文的4个部分,分别是简介、方法、实验和结论。
1
场景中文本的自动识别多年来一直存在挑战,这主要是由于文本在透视变形,文本弯曲,文本样式和不同类型人工字体的任意变化引起的。而最近深层网络在人工字体和文本样式变化的情况下有较好的表现,但是在处理具有透视和弯曲的场景文本时仍然面临各种问题。
针对上述问题,论文主要贡献如下:
1、提出了一种端到端可训练场景文本识别系统(ESIR),该系统以较好的场景文本识别性能为驱动,迭代地消除了透视失真和文本弯曲失真。
2、开发了一种创新的矫正网络,该网络采用新颖的线性拟合变换来估计场景中文本行的姿态。
3、论文开发了一种迭代