robust scene text recognition with automatic rectification-优快云博客

本文链接：https://blog.youkuaiyun.com/keyanxiaocaicai/article/details/77970428

提出一种新的场景文本识别方法，能有效处理不规则文本。通过结合空间变换网络(STN)和序列识别网络(SRN)，实现从弯曲或变形文本图像到文本序列的端到端识别。STN采用Thin-Plate-Spline变换使文本对齐，SRN则负责文本序列的生成。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Shi B, Wang X, Lv P, et al. Robust Scene Text Recognition with Automatic Rectification[J]. arXiv preprint arXiv:1603.03915, 2016.

本文的贡献：
1. propose a novel scene text recognition method that is robust to irregular text(不规则的文本)

2. model extends the STNframework with an attention-based model. The originalSTN is only tested on plain convolutional neural networks.

3. our model adopts a convolutional-recurrent structurein the encoder of the SRN, thus is a novel variant of theattention-based model.

总体框架：

包括 Spatial Transformer Network (STN ) 以及 Sequence Recognition Network (SRN ) 两个网络结构。其中， STN 通过 Thin-Plate-Spline 变换，能够将透射变换或者弯曲的文本图片对齐到一个正规的、更易读的图片；SRN 能够直接将输入的文本图片识别为一个文本序列。

这个系统是一个端到端的文本识别系统，在训练过程中也不需要额外标记字符串的关键点、字符位置等。同时，由于 STN 和 SRN这两个网络的共同作用，该系统在自然场景的文本识别方面取得了 state-of-the-art 的结果，特别是对于那些有着各种形变的字符图片。

四种校正的例子

SRN consists of an encoder and a decoder.

The encoder extracts a sequential representation from the input image I0.

The decoder recurrently generates a sequence conditionedon the sequential representation, by decoding the relevant contents it attends to at each step.