摘要

近年来，场景文本检测取得了显著进展。检测方式正从轴对齐矩形逐步演进为旋转矩形，进一步发展到四边形。然而，当前主流数据集中的曲线文本样本极为稀少，而曲线文本在真实场景图像中广泛存在，例如招牌、产品名称等。为引起学术界对野外曲线文本检测问题的重视，本文构建了一个名为CTW1500的曲线文本数据集，包含1500张图像中的超过10,000个文本标注（其中1000张用于训练，500张用于测试）。基于该数据集，我们首次提出一种基于多边形的曲线文本检测器（Curve Text Detector, CTD），能够直接检测曲线文本，无需依赖经验性的后处理组合。此外，通过无缝融合循环横向与纵向偏移连接结构（Recurrent Transverse and Longitudinal Offset Connection, TLOC），所提出的方法实现了端到端可训练性，能够自动学习位置偏移之间的内在关联。这使得CTD能够充分挖掘上下文信息，而非独立预测各个点，从而实现更平滑、更精确的检测效果。我们还提出了两种简单但高效的后处理方法：非多边形抑制（Non-Polygon Suppression, NPS）和多边形非极大值抑制（Polygonal Non-Maximum Suppression, PNMS），进一步提升检测精度。此外，本文所提出的方法具有通用性设计，无需额外调整即可在矩形或四边形边界框上进行训练。在CTW1500数据集上的实验结果表明，仅使用轻量级主干网络，我们的方法在性能上显著超越现有最先进方法。即使仅在曲线文本或非曲线文本子集上进行评估，CTD + TLOC仍能取得最佳表现。代码已开源，地址为：https://github.com/Yuliang-Liu/Curve-Text-Detector。