TextScanner 阅读笔记

Textscanner 阅读笔记

 

Motivaction:

(1):在文本识别领域，从语音识别，以及NLP中学来的基于RNN-attention-based的方法主宰了文本识别领域，在大多数情况下，基于RNN注意的方法通常效果很好。但是，当背景中出现噪音或文本形状不规则时，注意机制可能无法使估计的注意图的中心对准错误的位置，从而导致字符顺序和类别错误（请参见图1）。更严重的是，由于RNN模块中的循环存储机制，此类错误将累积并传播，使情况变得更糟。

          (2):基于语义分割的算法探索了不同的方式，并且展现出了对不同形状（水平，定向和弯曲）文本的更强适应性。然而，由于不正确的二值化会导致这样的尴尬，因此很难成功地将每个字符与分割图分开：一个字符可能会分成多个部分，或者多个字符可能会粘在一起（见图1）。在这些情况下，字符数量和类别的预测将是错误的。总之，现有的方法，无论是基于RNN注意力还是基于语义分割，都不能令人满意地解决场景文本识别中的难题。

 

 

                                  图（1）