摘要
近年来，场景文本检测取得了显著进展。检测方法从轴对齐矩形发展到旋转矩形，进而演变为四边形。然而，当前的数据集中包含的曲线文本非常少，而这类文本在实际场景图像中（如招牌、产品名称等）却广泛存在。为了引起对野外曲线文本识别的关注，本文构建了一个名为CTW1500的曲线文本数据集，该数据集包括1,500张图像中的超过1万条文本注释（其中1,000张用于训练，500张用于测试）。基于这一数据集，我们首次提出了一种基于多边形的曲线文本检测器（CTD），该检测器可以直接检测曲线文本而无需经验组合。此外，通过无缝集成递归横向和纵向偏移连接（TLOC），所提出的方法可以端到端地训练以学习位置偏移之间的内在联系。这使得CTD能够探索上下文信息而不是独立预测点，从而实现更平滑和准确的检测。我们还提出了两种简单但有效的后处理方法——非多边形抑制（NPS）和多边形非极大值抑制（PNMS），以进一步提高检测精度。此外，本文提出的方法设计为通用形式，可以在没有额外努力的情况下使用矩形或四边形边界框进行训练。实验结果表明，在仅使用轻量级主干网络的情况下，我们的方法在CTW-1500数据集上大幅超越了现有最先进方法。即使仅在曲线或非曲线子集上进行评估，CTD + TLOC仍能取得最佳结果。代码已发布在https://github.com/Yuliang-Liu/Curve-Text-Detector。