Adaptive Segmentation Network for Scene Text Detection

要約

ディープ コンボリューション セグメンテーション アルゴリズムからインスピレーションを得たシーン テキスト検出器は、データセットのパフォーマンスの上限を着実に突破します。
ただし、これらの方法では、しきい値選択のボトルネックが発生することが多く、極端なアスペクト比のテキスト インスタンスではパフォーマンスが低下します。
この論文では、セグメンテーション ベースのシーン テキスト検出器のテキスト ピクセルと背景ピクセルを区別するセグメンテーションしきい値を自動的に学習し、時間のかかる手動パラメータ調整をさらに削減することを提案します。
さらに、マクロ サイズと極端なアスペクト比のテキスト インスタンスをキャプチャするためのグローバル情報拡張機能ピラミッド ネットワーク (GE-FPN) を設計します。
GE-FPN に従って、テキスト インスタンスをさらに改良するためにカスケード最適化構造を導入します。
最後に、提案された閾値学習戦略とテキスト検出構造とともに、シーン テキスト検出のための適応セグメンテーション ネットワーク (ASNet) を設計します。
提案された ASNet が 4 つのテキスト検出ベンチマーク (ICDAR 2015、MSRA-TD500、ICDAR 2017 MLT、および CTW1500) で最先端のパフォーマンスを達成できることを実証するために、広範な実験が実行されました。
アブレーション実験では、私たちの貢献の有効性も検証されています。

要約(オリジナル)

Inspired by deep convolution segmentation algorithms, scene text detectors break the performance ceiling of datasets steadily. However, these methods often encounter threshold selection bottlenecks and have poor performance on text instances with extreme aspect ratios. In this paper, we propose to automatically learn the discriminate segmentation threshold, which distinguishes text pixels from background pixels for segmentation-based scene text detectors and then further reduces the time-consuming manual parameter adjustment. Besides, we design a Global-information Enhanced Feature Pyramid Network (GE-FPN) for capturing text instances with macro size and extreme aspect ratios. Following the GE-FPN, we introduce a cascade optimization structure to further refine the text instances. Finally, together with the proposed threshold learning strategy and text detection structure, we design an Adaptive Segmentation Network (ASNet) for scene text detection. Extensive experiments are carried out to demonstrate that the proposed ASNet can achieve the state-of-the-art performance on four text detection benchmarks, i.e., ICDAR 2015, MSRA-TD500, ICDAR 2017 MLT and CTW1500. The ablation experiments also verify the effectiveness of our contributions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google