今天跟大家推荐一个Github项目,来自NAVER Clova AI Research的hwalsuklee同学汇总了近几年的基于深度学习进行文本检测、识别的论文、代码、数据集、教程资源,非常值得参考。 https://github.com/hwalsuklee/awesome-deep-text-detection-recognition 该项目不是简单的网址罗列,作者还很用心的将各个算法在公认标准测试集上的精度也一并列出,方便一目了然进行算法比较。 作者首先统计了深度学习OCR方向的文献: 可见这个方向基于深度学习的技术是大势所趋。 按研究方向,在这些论文中,尤以文本检测的数量最多,占比达48.9%,其次是文本识别21.7%,端到端文本识别占比14.1%。 文本检测汇总 在下图表格中,IC3代表该算法在ICDAR2013数据集上的精度,IC15代表该算法在ICDAR2015数据集上的精度,PRJ代表项目主页,CAFFE/TF等代表使用深度学习框架Caffe/TensorFlow等实现的代码。 从中我们可以看出,在ICDAR2013和ICDAR2015数据集上均为来自CVPR 2018的论文《FOTS: Fast Oriented Text Spotting with a Unified Network》取得了最高的精度,分别是0.925和0.8984,这是商汤科技的工作,代码已经开源。 下面是作者用论文发表时间和相应精度制作的散点图,可见该领域算法精度几乎是以45度角直线上升式发展。 文本识别汇总 文本识别的精度是在四个数据集上比较的,如下图。 在四个数据集上,综合表现最好的当属《ASTER: An Attentional Scene Text Recognizer with Flexible Rectification》,这篇文章发表于PAMI2018,来自华中科技大学白翔老师组,代码也开源了。 下面是来自两个数据集的散点图,同样识别技术也几乎以45度角直线式发展。 端到端文本识别 即包含文本检测与识别的全流程的算法。 综合看,来自商汤科技的FOTS和来自华科的Mask TextSpotter都很优秀。 值得注意的是Mask TextSpotter算法也已经开源了 (https://github.com/lvpengyuan/masktextspotter.caffe2),此处没有列出。 下图为端到端文本识别的精度-发表时间散点图,相比之下,近两年的提升并不是很明显。 文本识别相关的其他方向 包括数据集、文本检索、字体变换、文档版面分析等。 作者还列出了该领域其他人做的资源总结和相关教程资源。 最后附上来自商汤科技的FOTS算法的Demo视频,看看它到底多强大。 @我爱计算机视觉 版权声明 |
|
来自: taotao_2016 > 《计算机》