基于深度学习的任意形状场景文字识别

• 作者: 余谅 徐富勇 盛钟松
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 场景文字识别 神经网络 注意力机制
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 255-263
• 页数: 9页
• 分类号: TP391.1
• 字数: 4967字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.02.009

摘要

场景文字识别的一个具有挑战性的方面是处理具有扭曲或不规则布局的文字.尤其是侧视文字和曲线文字在自然场景中较为常见,且难以识别.本文提出了一个带有灵活矫正功能的注意力增强网络,将其用于任意形状场景文字识别.此网络由基于卷积神经网络的文字矫正网络和基于注意力增强的识别网络两部分组成.矫正网络自适应地将输入图像中的文字进行矫正,降低识别难度,使基于注意力增强的序列识别网络直接根据矫正后的图像预测字符序列.整个模型可以进行端到端的训练,训练只需要图像和相应的文字真实标签.在各种公开数据集上进行了广泛的实验,包括SVT、ICDAR 2003和CUTE80等数据集,验证了此网络具有优异的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余谅	四川大学计算机学院	24	81	5.0	7.0
2	徐富勇	四川大学计算机学院	2	0	0.0	0.0
3	盛钟松	四川大学计算机学院	2	0	0.0	0.0