摘要

本文提出了一种新颖的端到端框架，从实例感知的语义分割视角实现多方向场景文本检测。我们提出了融合文本分割网络（Fused Text Segmentation Networks），在特征提取阶段融合多层级特征，以应对文本实例相较于一般物体更依赖精细特征表达的特点。该方法能够联合且同步地完成文本实例的检测与分割，综合了语义分割任务与基于区域建议的物体检测任务的优势。本方法无需引入任何额外处理流程，在多方向场景文本检测基准测试中取得了当前最优性能：在ICDAR2015意外场景文本数据集和MSRA-TD500数据集上，分别达到了84.1%和82.0%的H-mean指标。此外，我们在包含弯曲文本的Total-Text数据集上建立了基准结果，进一步验证了所提方法的有效性。