科研之友
微信
新浪微博
Facebook
分享链接
摘要
文本检测在图像理解中发挥着重要的作用。基于深度学习的文本检测是当前的主流算法，包括单阶段方法和双阶段方法两类，而且后者的检测精度往往高于前者单阶段的方法。双阶段的检测方法通常包含感兴趣区域特征池化操作，为进一步的检测和识别任务提供特定维度的局部区域特征。然而对于弯曲文本等复杂文本区域来说，现有的基于矩形感兴趣区域的池化方法不再适用，而基于点特征替代区域特征的方法又损失了空间信息。针对该问题，提出了一种基于多边形特征池化和Transformer的复杂文本区域检测方法。首先，将复杂文本区域检测中感兴趣区域进行多边形特征池化，将池化操作的区域形状从矩形拓展到多边形并且不需要借助其它形状进行拟合，即可将多边形区域对应的特征池化为固定维度的特征序列，避免了拟合过程中出现误差。进而，将池化后的特征视为具有空间关系的序列，然后利用Transformer融合视觉特征之间的上下文关系，降低训练难度，提升检测精确度。在包含弯曲文本等复杂文本情况的ICDAR2015、MLT、Total Text和CTW1500数据集上的测试实验结果表明，提出的双阶段检测算法能更好的提取感兴趣区域特征，并取得了比现有方法更好的检测结果。
- 单位
