面向自然场景图像的三阶段文字识别框架

• 作者: 刘姝 姜灵子 杨文君 邹北骥
• 来源期刊: 浙江大学学报（理学版）
• 学科: 工学
• 关键词: 文字识别 自然场景 文字检测 文字矫正
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 图像理解与数据分析
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9497.2021.01.001

摘要

文字识别技术在文档管理、图像理解、视觉导航等中具有重要应用.然而,自然场景中的文字通常排列任意、形状不一、字体多样,难以被检测和识别.提出了面向自然场景图像的三阶段文字识别框架,该框架包括文字检测、文字矫正和文字识别.首先,利用特征金字塔网络分割图像中的字符,基于双向长短期记忆网络获取字符间的亲和度,连接孤立字符构建单词行,文字检测率(F分数)高达91.97％.然后,通过多目标矫正网络矫正被检测文字,以应对场景图像文字的复杂形变,增强阅读性.最后,通过注意力序列识别网络按序输出预测结果,实现单词级识别,文字识别正确率达84.98％.