Effiziente Lokalisierung und Erkennung von Szenentext mit lokaler Zeichenverfeinerung

Es wird eine unbeschränkte end-to-end-Methode zur Textlokalisierung und -erkennung vorgestellt. Die Methode ermittelt zunächst Texthypthesen in einem einzigen Durchlauf mittels einer effizienten, regionenbasierten Methode und verfeinert anschließend diese Texthypthesen mithilfe eines robusteren lokalen Textmodells, wodurch sie von der üblichen Annahme regionenbasierter Methoden abweicht, dass alle Zeichen als zusammenhängende Komponenten erkannt werden müssen.Zusätzlich wird ein neuartiges Merkmal vorgestellt, das auf der Schätzung der Zeichenstrichfläche basiert. Dieses Merkmal kann effizient aus einer Regionentfernungskarte berechnet werden, ist invariant gegenüber Skalierung und Rotation und ermöglicht eine effiziente Erkennung von Textbereichen unabhängig davon, welcher Anteil des Textes erfasst wird.Die Methode läuft in Echtzeit und erreicht auf dem ICDAR 2013 Robust Reading-Datensatz Ergebnisse auf dem Stand der Technik sowohl in der Textlokalisierung als auch in der Texterkennung.