摘要

目前大多数最先进的文本检测方法仅适用于水平方向的拉丁文文本，且在实时应用中速度不足。本文提出一种定向文本检测方法——分段连接（Segment Linking, 简称SegLink）。其核心思想是将文本分解为两种局部可检测的元素：分段（segments）和连接（links）。其中，分段是指覆盖单词或文本行一部分的定向矩形框；连接则用于连接两个相邻的分段，表明它们属于同一个单词或文本行。这两种元素通过一个端到端训练的全卷积神经网络，在多个尺度上进行密集检测。最终的检测结果通过将由连接关联的分段进行组合生成。与以往方法相比，SegLink在检测精度、运行速度和训练便捷性方面均有所提升。在标准的ICDAR 2015偶然文本检测（Challenge 4）基准测试中，SegLink取得了75.0%的F-measure，显著优于此前最佳方法。在512×512分辨率的图像上，其运行速度超过20 FPS。此外，无需任何修改，SegLink即可有效检测非拉丁文的长文本行，例如中文。