RectiNet-v2：一种用于文档图像去畸变的堆叠网络架构

随着移动设备和手持摄像头的普及，文档图像已广泛应用于各个领域。为了使文档识别算法能够准确理解这些图像，必须对它们进行去畸变处理，以消除透视失真和折叠效应。为此，我们提出了一种端到端的卷积神经网络（CNN）架构，能够将输入的畸变文档图像还原为无畸变的清晰图像。由于真实自然的畸变文档图像数据有限，我们采用合成方式生成大量模拟的畸变文档图像来训练该模型。本方法在三个方面具有创新性：首先，采用共享权重的分叉解码器结构，有效避免了网格坐标之间的混叠问题；其次，在U-Net的跳跃连接中引入残差网络（Residual Networks），使模型能够融合来自不同感受野的信息，提升特征传递效率；最后，引入门控网络（gated network），帮助模型聚焦于文档图像中的结构信息与线条级细节。我们在DocUNet数据集上对所提方法进行了评估，该数据集是该领域公认的基准测试集。实验结果表明，我们的方法在性能上可与当前最先进的技术相媲美。