Scene text detection and recognition have been well explored in the past few years. Despite the progress, efficient and accurate end-to-end spotting of arbitrarily-shaped text remains challenging. In this work, we propose an end-to-end text spotting framework, termed PAN++, which can efficiently detect and recognize text of arbitrary shapes in natural scenes. PAN++ is based on the kernel representation that reformulates a text line as a text kernel (central region) surrounded by peripheral pixels. By systematically comparing with existing scene text representations, we show that our kernel representation can not only describe arbitrarily-shaped text but also well distinguish adjacent text. Moreover, as a pixel-based representation, the kernel representation can be predicted by a single fully convolutional network, which is very friendly to real-time applications. Taking the advantages of the kernel representation, we design a series of components as follows: 1) a computationally efficient feature enhancement network composed of stacked Feature Pyramid Enhancement Modules (FPEMs); 2) a lightweight detection head cooperating with Pixel Aggregation (PA); and 3) an efficient attention-based recognition head with Masked RoI. Benefiting from the kernel representation and the tailored components, our method achieves high inference speed while maintaining competitive accuracy. Extensive experiments show the superiority of our method. For example, the proposed PAN++ achieves an end-to-end text spotting F-measure of 64.9 at 29.2 FPS on the Total-Text dataset, which significantly outperforms the previous best method. Code will be available at: https://git.io/PAN.


翻译:过去几年来,人们已经很好地探索了对文本的检测和识别。 尽管在任意形状的文本上取得了进步, 高效和准确的端到端发现任意形状的文本仍然具有挑战性。 在这项工作中,我们提议了一个端到端的文本检测框架,称为PAN++, 它可以有效地检测和识别自然场景中任意形状的文本文本。 PAN++ 是以内核代表制为基础的, 该内核代表制将将文本线改写成一个文字内核( 中部地区), 周围周围是外围的像素。 通过系统比较现有的现场文本演示, 我们显示我们的内核代表制不仅可以描述任意形状的文本,而且也可以区分相邻的文本。 此外,作为基于等离端的文本检测框架, 可以通过一个单一的全层网络来预测内核代表制的文本。 利用内核代表制的优势, 我们设计了一系列内容:1) 一个计算高效的增强功能增强功能网络, 由堆积的精度直径直径直径直径直的直径直径直径直径直径直的加强模块( FEM); 2) 检测轻的检测头与Pix- 与Pix- 直径直径直径直径直的演示标合作,, 在显示的图像正正正正正正正正正正正正正正正对着, 将显示法的显示法的显示方向的图像正正正正正对准的演示标的显示法的显示法, 。

0
下载
关闭预览

相关内容

专知会员服务
60+阅读 · 2020年3月19日
抢鲜看!13篇CVPR2020论文链接/开源代码/解读
专知会员服务
49+阅读 · 2020年2月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
91+阅读 · 2019年10月16日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
4+阅读 · 2018年7月31日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
Arxiv
3+阅读 · 2017年11月12日
VIP会员
相关资讯
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
4+阅读 · 2018年7月31日
Top
微信扫码咨询专知VIP会员