摘要
在自然场景图像中识别不规则文本具有挑战性，因为文本外观存在较大的变化，如弯曲、方向和扭曲。现有的大多数方法严重依赖复杂的模型设计和/或额外的细粒度注释，这在一定程度上增加了算法实现和数据收集的难度。在这项工作中，我们提出了一种易于实现的强大基线方法，用于不规则场景文本识别，仅使用现成的神经网络组件和单词级别的注释。该方法由一个31层的ResNet、基于LSTM的编码器-解码器框架以及一个二维注意力模块组成。尽管其结构简单，但所提出的方法表现出强大的鲁棒性，并在常规和不规则场景文本识别基准测试中均达到了最先进的性能。代码可在以下链接获取：https://tinyurl.com/ShowAttendRead