作者：Yuliang Liu‡；华南理工大学；阿特来德大学；华为诺亚方舟实验室

背景知识：

 

 

论文翻译：

Abstract

        场景文本检测和识别已经吸引了大量的研究者关注。现有的方法可以大致分为两类：基于字符的方法和基于分割的方法。这些方法或者需要花费字符标注的精力或者需要维护一个复杂的pipeline，这对于实时应用是十分不利的。因此我们提出了自适应贝塞尔曲线网络ABC-Net。我们的贡献包括以下三个部分：

1）首先，我们通过参数化的贝塞尔曲线拟合任意形状的文本区域；

2）我们设计了一个新的BezierAlign层来准确提取任意形状文本实例的特征，这有效的提升了文本识别的准确性；

3）相比较基于候选区域类的检测算法，我们的贝塞尔曲线检测算法具有更高的性能

         实验基于任意形状的开源数据集，Total-Text和CTW1500，ABCNet实现了sota的准确率，同时提升了速度。特别的，在Total-Text上，我们的实时版本相比较之前的sota方法快了10倍，同时能够具有相同的识别准确性。代码已经开源到https://github.com/aim-uofa/AdelaiDet。

 

1. Introduction

        场景文本检测和识别近年大热，应用众多，并且取得了很大的进展，如[10, 41, 27, 35, 26, 42]等工作。由于自然场景的文本的多样化，如长宽比，字体样式，透视扭曲，形状等，对他的检测和识仍然是一项挑战。即使深度学习的发展极大的提高了自然场景端到端识别的准确性，现有的方法在实际应用上仍然存在一些问题，特别是识别的效率问题。

        近来，很多端到端方法[30, 36, 33, 23,43, 20]已经有效提升了任意形状文本的性能。然而，这些方法或者基于分割，需要维护一个复杂的pipeline，或者需要大量的昂贵的字符级别的标注。而且，几乎所有的这些方法都运行很慢，限制了很多实时应用。因此，我们的目标是提出一种简单高效的端到端文本识别方法，能够定位任意形状或扭曲的自然场景文本[5, 26]，并且在获取快速推理的前提下达到sota的准确性。

        为了实现这个目标，我们提出了一个自适应贝塞尔曲线网络（ABC-Net），一个端到端可训练的框架，能够完成任意形状的文本定位识别。ABCNet通过自适应贝塞尔曲线高效的完成任意形状的文本检测，并且相比较标准的矩形bbox检测，开销可以忽略。而且，我们设计了一个全新的特征对齐层——BezierAlign，为了精确计算弯曲形状的文本实例的卷积特征，以此提高文本识别的准确性，且不会带来额外计算开销。我们第一次用参数化的贝塞尔曲线表示有向弯曲文本，并通过实验结果证实了我们方法的有效性。我们的识别结果展示在图1中。

        先前的方法