Swin TextSpotter:テキスト検出とテキスト認識間のより良い相乗作用によるシーンテキストスポッティング【JST・京大機械翻訳】

Huang Mingxin; Liu Yuliang; Peng Zhenghao; Liu Chongyu; Lin Dahua; Zhu Shenggao; Yuan Nicholas; Ding Kai; Jin Lianwen

プレプリント

J-GLOBAL ID：202202200036292346 整理番号：22P0306859

Swin TextSpotter:テキスト検出とテキスト認識間のより良い相乗作用によるシーンテキストスポッティング【JST・京大機械翻訳】

SwinTextSpotter: Scene Text Spotting via Better Synergy between Text Detection and Text Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年03月18日プレプリントサーバーでの情報更新日： 2022年03月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

エンドツーエンドシーンテキストスポッティングは,情景テキスト検出と認識の固有相乗作用を掘削することの成功により,近年大きな注目を集めている。しかしながら,最近の最先端の方法は,通常,2つのタスク間の特徴相互作用を利用して,バックボーンを共有することによって,検出と認識を単純に組み込む。本論文では,SwinTextSpotterと呼ばれる新しいエンドツーエンドシーンテキストスポッティングフレームワークを提案した。検出器として動的ヘッドを有する変圧器エンコーダを用いて,著者らは,認識損失を通してテキスト位置確認を明示的に誘導するために,新規認識変換機構によって2つのタスクを統一した。直接的設計は,任意形状テキストに対する付加的整流モジュールも特性レベルアノテーションも必要としない簡潔なフレームワークをもたらした。マルチ指向データセットRoIC13およびICDAR2015,任意形状データセット全TextおよびCTW1500,および多言語データセットReCTS(中国語)およびVinText(Vietnamese)に関する定性的および定量的実験は,SwinTextSpotterが既存の方法よりも著しく優れていることを示した。コードはhttps://github.com/mxin262/SwinTextSpotterで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

前のページに戻る