摘要
? ? ? ?近年來,場(chǎng)景文本檢測(cè)因其具有的重要意義和巨大挑戰(zhàn)性,已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域和文檔分析領(lǐng)域中一個(gè)活躍的研究課題。然而,絕大多數(shù)的現(xiàn)有方法都是在本地區(qū)域內(nèi)通過候選聚合和假正消除的方式提取字符襟交、字詞或行級(jí)候選詞進(jìn)行文本檢測(cè),這就可能潛在的排除了場(chǎng)景中較廣范圍和較長(zhǎng)距離的上下文線索產(chǎn)生的影響迈倍。而為了充分利用整個(gè)自然圖像中豐富的信息,我們則建議將場(chǎng)景文本檢測(cè)作為語義分割問題,以整體的方方式來進(jìn)行文本定位。該算法直接運(yùn)行在完整的圖像上,并生成全局的單像素預(yù)測(cè)圖,檢測(cè)結(jié)果也隨后形成捣域。為了更好地利用文本屬性,我們將利利用一個(gè)單獨(dú)的全卷積網(wǎng)絡(luò)(FCN)模型對(duì)文本區(qū)域啼染、單個(gè)字符及其關(guān)系等三種類型的信息進(jìn)行估算。通過對(duì)文本屬性的預(yù)測(cè),本文提出的算法可以處理現(xiàn)實(shí)世界的自然圖像,例如水平文本焕梅、多方向文本和彎曲文本迹鹅。就對(duì)基準(zhǔn)進(jìn)行的實(shí)驗(yàn)而言,包括CDAR2013 、CDAR2015 和MSRA-TD500,都已表明,該算法在很大大程度上優(yōu)于先前的技術(shù)方方法贞言。此外,我們?cè)谧罱l(fā)布的大規(guī)模數(shù)據(jù)集coco - text上發(fā)布了了第一個(gè)基準(zhǔn)結(jié)果斜棚。
關(guān)鍵詞： —場(chǎng)景文本檢測(cè),全卷積網(wǎng)網(wǎng)絡(luò),整體預(yù)測(cè),自然圖像。
I.介紹
? ? ?自然場(chǎng)景中的文本信息在各種現(xiàn)實(shí)世界的應(yīng)用中都極具有價(jià)值且非常有益,例如圖像搜索该窗、人人機(jī)交互弟蚀、刑事調(diào)查[1]和向盲人提供幫助[57]。在過去幾年里,場(chǎng)景文本的檢測(cè)和識(shí)別得到了計(jì)算機(jī)視覺領(lǐng)域和文檔分析領(lǐng)域人員的廣泛關(guān)注,同時(shí)也激發(fā)他們提出了許多鼓舞人心的靈感來解決以上這些問題挪捕。然而在不可控的環(huán)境中(例如野外),本地化和閱讀文本的實(shí)現(xiàn)仍然是極具挑戰(zhàn)性的粗梭。原因眾多,如文本外觀争便、布局级零、字體、語言滞乙、風(fēng)格等問題,以及背景雜波奏纪、噪聲、模糊斩启、遮擋序调、不均勻光照等情況。本文重點(diǎn)討論了場(chǎng)景文本檢測(cè)存在的問題,旨在預(yù)測(cè)文本檢測(cè)的呈現(xiàn)技術(shù),并對(duì)每個(gè)實(shí)例的地位和延伸范圍進(jìn)行估算兔簇。
? ? ? 以前的方法主要是在局部地區(qū)內(nèi)使用滑動(dòng)窗口或連接組建提取技術(shù)发绢，找尋文本實(shí)例(字符、文字或文本行)垄琐。新算法則為這一領(lǐng)域的發(fā)展提供了了許多新的想法,同時(shí)不斷地推進(jìn)著現(xiàn)今最新的工藝水平边酒。然而,大多數(shù)現(xiàn)有的算法只能在一定區(qū)域內(nèi)找尋文本(至高到文本行級(jí)別), 如果范圍擴(kuò)大,就幾乎無法辦到,而這對(duì)處理具有挑戰(zhàn)性的狀況卻是至關(guān)重要的。因此,舊有的算法會(huì)陷入捕捉弱文本實(shí)例和抑制誤報(bào)的境況中而無法脫身狸窘。
此外,幾乎此前所有的方法都集中在檢測(cè)水平或接近水平文本,卻忽略了非水平性的問題墩朦。在很大程度上限制了方法的實(shí)用性和適應(yīng)性,究其原因是關(guān)乎現(xiàn)場(chǎng)的一些至關(guān)重要的信息或許就體現(xiàn)在這種非水平文本上。
我們?cè)谶@項(xiàng)工作中提出了一種新算法,將文本檢測(cè)看作為語義分割問題[43]翻擒。該算法執(zhí)行整體氓涣、逐像素的估算,并生成密集的特征圖, 其中場(chǎng)景文本的屬性是隱含的,如圖1所示牛哺。然而,因?yàn)槎鄠€(gè)文本實(shí)例相似而難以拆分單個(gè)字符(?圖2),簡(jiǎn)單的二級(jí)語義分割(文本和非文本)不能夠完全完成場(chǎng)景文本檢測(cè)。因此,除了文本區(qū)域位置,我們同時(shí)將單個(gè)字符及其連接方向附近字符的中心和規(guī)睦头停考慮了進(jìn)去,最終解決了這一問題引润。
