CCAI 2019 | 白翔：经典算法与深度学习相结合，解决不规则文字处理问题

CCAI 2019

2019年中国人工智能大会（Chinese Congress on Artificial Intelligence 2019，简称“CCAI 2019”）将于在9月21日-22日在青岛胶州召开。白翔教授将出席大会并担任人工智能青年论坛共同主席。

白翔，华中科技大学电子信息与通信学院教授，博士生导师，国家防伪工程中心副主任。担任中国计算机学会计算机视觉专委会（CCF-CV）常务委员，中国图像图形学学会理事，同时担任国际期刊编委或客座编辑。主要从事计算机视觉与模式识别，具体包括目标识别、形状分析、自然场景文字识别及智能交通系统等领域的研究。不规则文字检测和识别一直是文字识别方向研究的难点，它在自然场景图像中的文字识别具有重要的应用。白翔教授在不规则文字的识别、定位和检测三个研究方向上有着丰富经验，他将经典算法与深度学习相结合，获得了惊人的效果。

 

不规则文字识别

工业界中常用的序列识别模型SRN(Sequence Recognition Network)是不能处理文字发生形变或者弯曲的情况，会导致各类识别错误。 针对不规则文字识别问题，白翔教授团队提出了ASTER模型，解决的了对于场景里有形变或方向变化的文字识别问题。 ASTER是一个简单且实用的方法，就是先将有形变的文字矫正成规则的文字，再使用SRN进行识别。 可以认为ASTER的网络由两部分组成，前面部分是空间变换网络STN (Spatial Transform Network)做矫正，后面是SRN网络做识别，形成任务共享。 在加入了STN以后，识别器的性能十分有竞争力，在不规则文字测试集上有很大提升。

白翔教授将ASTER算法进行的应用测试，发现该算法对文字定位十分准确，尤其在英文的识别上十分稳定。

 

不规则文字定位

对于不规则文字定位问题，白翔教授团队设计了一个网络，能完全端到端识别，又同时能检测曲形、直线或者斜角的文字。 但检测任务是在图像水平上做处理，识别任务是在文本区域水平做处理，两个任务之间是有一定冲突的，导致在设计网络做这两个任务的时候非常困难，需要很好的预训练能力，预训练后的参数调节也十分困难，网络适用性不好。 为了有效的将检测和识别做到特征共享，白翔提出了一个巧妙的方法： 用空间换取时间，用字符级别的标注，换取训练上的方便。 要获得每一个字符的中心位置，把它也作为一个分割问题去考虑，并在分割的同时得到字符的类别，这个分割问题也变成多分类问题。 在英文识别时有阿拉伯数字0-9和字母A-Z共36种不同的类别。 每一类都产生相应的字符对应位置，外加一个整体，这样形成一个多任务，可以完全得到特征上的共享。

本算法能把弯曲的文字甚至是其中包含的水平文字，同时得到其位置和包围盒。 还有一个有意思的现象是，当把识别的模块删除后可以发现检测的准确率会降低，说明识别模块对检测是有帮助的。

 

不规则文字检测

针对不规则文字检测问题，白翔教授提出了TextField识别方法，获得了极好的效果。 在这个方法中，白翔使用了他在解决骨架检测(Skeleton Detection)问题时提出的DeepFlux算法，用骨架来标定文字的位置。 算法对包含文字的图片构建了一个有指向文字内部，也有指向文字外部的“场”，并进行训练。 它的好处是可以通过方向性区分相近的文字，并且能更有力地描述文字之间、局部之间的连接关系和局部的对称性关系。 如果用FCN解决这个问题，得到的文字连通性较差，有很强的抖动，平滑性差，甚至有些区域是错误的。 但是使用的DeepFlux方法，精度和平滑度都非常好，而且可以更好地去描述物体的上下文，时间复杂度也不错。 通过这个例子可以看出，将传统的算法与现有的深度学习相结合，可以焕发奇光异彩。

大 会 相 关

欲了解更多信息，可通过如下方式联系我们：

商务合作

于老师

微信：138-1148-4695

票务咨询

刘老师

微信：189-1006-4547

大会信息咨询

平平

手机：185-0057-0473

微信：185-1086-6934

企业服务专员

王老师

手机：170-9008-6234

微信：dalonsmary1010

点击“阅读原文”购票参会！