Mask TextSpotter: An End-to-End Trainable Neural Network for Spotting Text with Arbitrary Shape
第一次写CSDN博客,这一篇主要是看了许多其他博主的文章,加上自己的一点理解,mark 一下,如果我有什么理解上的问题欢迎提出来。
先看一下主要的文本检测和识别的效果:
]
左边是水平文本的检测识别效果,中间的是有方向性的文本检测识别效果,右边的是本文所提出的端到端文本检测和识别结果,其中绿色框是检测结果,绿色框中的红色部分是识别结果。
我们可以从文章中可以大致看出Mask Textspotter和之前文章的差别:
1、一个简单平滑的端到端训练网络
2、可以检测任意方向的文本(一开始注意到这篇文章也是因为他的弯曲文本检测是比较少见的,让人印象深刻)
3、将语义分割和实例分割应用到了文本检测识别当中来
虽然这篇文章的网络主要是按着Mask RCNN略加改变的,但将时下当热的语义分割应用到文本识别中来也是比较新颖的(纯属个人观点)
接下来先大概了解一下图片分类、物体检测、语义分割和实例分割的区别(其实这四个的实质也是分类,只是后面两个是像素级别的分类)