基于矫正网络的场景文本识别应用与研究

场景文本在文字识别(Optical Character Recognition,OCR)领域一直是个难题,因此受到学术界的广泛关注。场景文本通常包括透视文本、弯曲文本、定向文本等。目前大多深度学习方法都不能够很好的识别这些不规则的文本,特别是严重变形的文本。针对上述问题,本文提出了一种迭代思想的矫正网络用于场景文本的识别,这种网络是一种端到端无需额外字符级注释的可训练网络。该矫正网络通过迭代细化的方式,逐步达到最优矫正。其中参数变换采用薄板样条(Thin Plate Spline,TPS)参数变换,自适应的进行图像变换,进而提高后序识别网络的识别性能。通过在大量公共数据集上进行的实验,证明了本文方法的有效性,特别是在不规则文本上的实验,证明了该方法有着较好的鲁棒性和准确性。