2D Positional Embedding-based Transformer for Scene Text Recognition

doi:10.15353/jcvis.v6i1.3533

2D Positional Embedding-based Transformer for Scene Text Recognition

2021-01-15

0

OA

AI

DOI：10.15353/jcvis.v6i1.3533

原文链接

原文求助

摘要

En 中文

近年来，先进的场景文本识别方法主要基于循环神经网络（RNNs），然而，这些方法需要一维（1D）特征，并且由于丢失了原始二维（2D）图像中的空间信息，它们并非为识别不规则文本实例而设计。在本文中，我们利用一种基于Transformer的架构来识别野外的规则和不规则文本图像。所提出的方法利用了在Transformer架构中使用二维位置编码器，以比以往方法更好地保留二维图像特征的空间信息。在包括具有挑战性的COCO-Text数据集在内的流行基准测试上的实验表明，所提出的场景文本识别方法在大多数情况下优于当前最佳水平，特别是在不规则文本识别方面。

2D Positional Embedding-based Transformer for Scene Text Recognition

摘要

期刊

机构

引用论文