摘要
在本文中，我们提出了一种基于Mask R-CNN的新文本检测方法，该方法能够以统一的方式稳健地从自然场景图像中检测多方向和弯曲的文本。为了增强Mask R-CNN在文本检测任务中的特征表示能力，我们建议使用金字塔注意力网络（Pyramid Attention Network, PAN）作为Mask R-CNN的新骨干网络。实验结果表明，PAN可以更有效地抑制由类似文本背景引起的误报。我们的方法仅通过单尺度和单模型测试，在多方向（ICDAR-2015、ICDAR-2017 MLT）和弯曲（SCUT-CTW1500）文本检测基准任务上均取得了优异的性能。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| scene-text-detection-on-icdar-2015 | PAN | F-Measure: 85.9 Precision: 90.8 Recall: 81.5 |
| scene-text-detection-on-icdar-2017-mlt-1 | PAN | F-Measure: 74.3% Precision: 80 Recall: 69.8 |
| scene-text-detection-on-scut-ctw1500 | PAN | F-Measure: 85 FPS: 65.2 Precision: 86.8 Recall: 83.2 |