自然场景文本处理论文整理 (5)Detecting Curve Text in the Wild: New Dataset and New Solution

本文提出一种基于多边形的曲线文本检测器(CTD),用于解决自然场景文本处理中的弯曲文本检测问题。构建了CTW1500数据集,包含大量曲线文本注释,以改进现有方法。CTD通过端对端训练的循环横向和纵向偏移连接(TLOC)学习位置偏移间的内在联系,提高检测精度。同时,文章提供了两种后处理方法以提升检测效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这篇文章是在自然场景文本处理中针对弯曲问题做的非常好的一篇文章。后面打算先用这篇论文来做实验。
paper:https://arxiv.org/abs/1712.02170
github:https://github.com/Yuliang-Liu/Curve-Text-Detector

一、摘要

场景文本检测近年来取得了很大进展。 检测方式从轴对齐矩形演变为旋转矩形,进一步演变为四边形。 但是,当前数据集包含非常少的曲线文本,这种现象可以在场景图像(如招牌,产品名称等)中广泛观察到。 为了提出在广泛的阅读曲线文本的问题,在本文中,我们构建了一个名为CTW1500的曲线文本数据集,其中包括1,500个图像中的超过10k文本注释(1000个用于训练,500个用于测试)。 基于该数据集,我们开创性地提出了一种基于多边形的曲线文本检测器(CTD),它可以直接检测曲线文本而无需经验组合。此外,通过无缝地集成循环横向和纵向偏移连接(TLOC),所提出的方法可以是端对端可训练的,以学习位置偏移之间的固有连接。这允许CTD探索上下文信息而不是独立地预测点,从而导致更平滑和准确的检测。我们还提出了两种简单但有效的后处理方法,即非多边抑制(NPS)和多边形非最大抑制(PNMS),以进一步提高检测精度。此外,本文提出的方法是以通用的方式设计的,也可以用矩形或四边形边界框进行训练而无需额外的努力。 CTW-1500的实验结果表明,我们只使用轻骨架的方法可以大大优于最先进的方法。 通过仅在曲线或非曲线子集中进行评估,CTD + TLOC仍然可以获得最佳结果。 代码可在https://github.com/Yuliang-Liu/Curve-T

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值