2016_ECCV_CTPN.pdf

《连接主义文本提案网络在自然图像文字检测中的应用》 自然图像中的文字检测是计算机视觉领域的一个重要研究方向，近年来受到了广泛关注。这项技术在OCR（光学字符识别）、多语言翻译、图像检索等实际应用中发挥着关键作用。尽管文字检测与识别两个子任务都具有挑战性，但本论文主要关注的是文字检测，它比文字识别更具挑战性，因为它需要精确地定位图像中的文本行。 CTPN（Connectionist Text Proposal Network）是一种新颖的文本检测方法，能准确地在自然图像中定位文本行。CTPN的核心创新在于其垂直锚点机制，该机制可以对固定宽度的文本提议进行位置预测和文本/非文本评分，显著提升了定位准确性。每个固定宽度的提议在卷积特征图上直接被检测，这使得CTPN能细致地处理文本提议序列。 CTPN利用循环神经网络（RNN）将这些连续的提议连接起来，这种RNN无缝集成到卷积网络中，形成了一个端到端可训练的模型。这样的设计允许CTPN充分利用图像的丰富上下文信息，增强了检测模糊文本的能力。对于极端模糊或复杂背景下的文本，CTPN也能稳定可靠地工作。 CTPN无需额外的后处理步骤，就能处理不同尺度和多种语言的文字，这与以往需要多步后过滤的自底向上方法有所不同。在ICDAR 2013和2015基准测试中，CTPN分别取得了0.88和0.61的F-measure，远超近期的其他研究成果。此外，CTPN还具有较高的计算效率，使用深度甚深的VGG16模型时，每幅图像的处理时间仅为0.14秒。 关键词：场景文字检测，卷积网络，循环神经网络，锚点机制 CTPN的提出，标志着文字检测技术的重大进步，它不仅提高了检测精度，还简化了处理流程，降低了计算复杂度。这种方法为自然图像中的文字检测提供了一个高效且准确的解决方案，对于推动相关领域的研究有着深远的影响。在线演示（http://textdet.com/）可供进一步了解和体验CTPN的实际效果。