【CVPR2020】语义增强的场景文本识别的编码-解码器框架，SEED: Semantics Enhanced Encoder-Decoder Framework for Scene Text Recognition

题目：

SEED: Semantics Enhanced Encoder-Decoder Framework for Scene Text Recognition

简介：

场景文本识别是计算机视觉中的一个热门研究主题。近来，已经提出了许多基于编码-解码器框架的识别方法，它们可以处理透视失真和曲线形状的场景文本。尽管如此，他们仍然面临许多挑战，例如图像模糊，照明不均匀和字符不完整。我们认为，大多数编码器/解码器方法都是基于局部视觉特征而没有明确的全局语义信息。在这项工作中，我们提出了一种语义增强的编码器-解码器框架，以可靠地识别低质量的场景文本。语义信息在编码器模块中用于监视，在解码器模块中用于初始化。特别是，将最新的ASTER方法作为示例集成到所提出的框架中。大量的实验表明，所提出的框架对于低质量的文本图像更健壮，并且在多个基准数据集上都达到了最新的结果。