摘要

场景文本识别是计算机视觉领域的一个研究热点。近年来，基于编码器-解码器框架的识别方法被广泛提出，能够有效处理具有透视畸变和弯曲形态的场景文本。然而，这些方法在应对图像模糊、光照不均以及字符缺失等挑战时仍存在困难。我们认为，大多数编码器-解码器方法主要依赖局部视觉特征，缺乏显式的全局语义信息。为此，本文提出一种语义增强的编码器-解码器框架，以实现对低质量场景文本的鲁棒识别。该框架在编码器模块中利用语义信息进行监督，在解码器模块中则用语义信息进行初始化。具体而言，将当前最先进的ASTER方法作为范例集成到所提出的框架中。大量实验结果表明，所提框架在低质量文本图像识别任务中表现出更强的鲁棒性，并在多个基准数据集上取得了当前最优的识别性能。