ب perceptron النصي: نحو رصد النصوص ذات الأشكال العشوائية من النهاية إلى النهاية

تم اقتراح العديد من النهج مؤخرًا للكشف عن النص غير المنتظم في المشاهد، وحققت نتائج واعدة. ومع ذلك، قد لا تكون نتائج التحديد مرضيةً بما يكفي للمرحلة التالية من التعرف على النص، وذلك أساسًا بسبب سببين رئيسيين: 1) لا يزال التعرف على النص بأشكال عشوائية مهمة صعبة، و2) تُستخدم استراتيجيات غير قابلة للتدريب شائعة بين عملية الكشف عن النص والتعرف عليه، مما يؤدي إلى أداء غير مثالي. لمعالجة هذه المشكلة غير المتوافقة، نقترح في هذا البحث نهجًا قابلاً للتدريب من البداية إلى النهاية يُسمى Text Perceptron. بشكل محدد، يعتمد Text Perceptron أولاً على كاشف نص مبني على التجزئة بكفاءة، يتعلم ترتيب القراءة الخفي للنص ومعلومات الحدود. ثم يتم تصميم وحدة تحويل الشكل (الاسم المختصر: STM) لتحويل مناطق الميزات المكتشفة إلى أشكال منتظمة دون إضافة معلمات إضافية. وتُوحد هذه الوحدة عملية الكشف عن النص مع الجزء التالي المتعلق بالتعرف عليه في إطار متكامل، مما يساعد الشبكة بأكملها على تحقيق تحسين عالمي. تُظهر التجارب أن طريقة我们的 تحقق من أداء تنافسي على معيارين قياسيين للنص، وهما ICDAR 2013 وICDAR 2015، كما تتفوق بشكل ملحوظ على الطرق الحالية على معايير النص غير المنتظم SCUT-CTW1500 وTotal-Text.