摘要

近年来，众多方法被提出用于检测不规则场景文本，并取得了令人瞩目的成果。然而，这些方法的定位结果往往难以满足后续文本识别任务的需求，主要原因有两个：其一，任意形状文本的识别仍是极具挑战性的任务；其二，当前普遍采用的不可训练的检测-识别流水线架构会导致性能次优。为解决这一不兼容问题，本文提出一种端到端可训练的文本检测与识别方法——Text Perceptron。具体而言，Text Perceptron 首先采用一种高效的基于分割的文本检测器，该检测器能够学习文本的潜在阅读顺序及边界信息。随后，设计了一种新颖的形状变换模块（Shape Transform Module，简称 STM），可在不引入额外参数的情况下，将检测得到的特征区域转换为规则的几何形态。该模块将文本检测与后续识别部分统一于一个完整框架中，有助于整个网络实现全局优化。实验结果表明，所提方法在两个标准文本基准数据集 ICDAR 2013 和 ICDAR 2015 上取得了具有竞争力的性能，同时在不规则文本基准数据集 SCUT-CTW1500 和 Total-Text 上显著优于现有方法。