ASTER: An Attentional Scene Text Recognizer with Flexible Rectification

最新推荐文章于 2025-07-14 14:48:22 发布

alibabazhouyu

最新推荐文章于 2025-07-14 14:48:22 发布

阅读量4.7k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： CNN

本文链接：https://blog.youkuaiyun.com/alibabazhouyu/article/details/82778357

ASTER是一种针对场景文本识别的解决方案，尤其擅长处理扭曲和不规则文本，如透视和曲线文本。它由校正网络和识别网络组成，校正网络采用参数化的 Thin-Plate Spline（TPS）对输入图像进行矫正，而识别网络则是一个注意力序列到序列模型，用于预测字符序列。ASTER在训练时仅需图像和文本真值，且能增强文本检测器性能。其贡献包括显式校正机制、引入双向解码器的注意力序列到序列模型。ASTER在规则和不规则文本识别中表现出色，且能提升水平文本检测器检测定向文本的能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ASTER: An Attentional Scene Text Recognizer with Flexible Rectification

Baoguang Shi, Mingkun Yang, Xinggang Wang, Pengyuan Lyu, Cong Yao, and Xiang Bai 华中科大

PAMI2018

本文代码 https://github.com/bgshih/aster 作者主页 http://cloud.eic.hust.edu.cn:8071/~xbai/

场景文本识别中的挑战是处理 distortions or irregular 的文本. 特别是 perspective text and curved text are common in natural scenes and are difficult to recognize。aster由a rectification network and a recognition network组成，rectification 网络自适应地将输入图像转换为新图像，对其中的文本进行矫正。识别网络是一个 attentional sequence-to-sequence model 。

训练只需要 images and their groundtruth text，此外aster还能够增强探测器的性能。

场景文本检测识别困难的原因是：The large variations in background,appearance, and layout pose significant challenges。不规则文本typical cases include oriented text, perspective text , and curved text。ASTER通过明确的矫正机制解决了不规则的文本问题。矫正网络是通过一个 parameterized Thin-Plate Spline（