Détection de texte multi-orienté avec des propositions de régions basées sur les coins

Les approches précédentes pour la détection de texte en scène s'appuient généralement sur des fenêtres glissantes définies manuellement. Cette étude présente une méthode régionale intuitive en deux étapes pour détecter du texte multiorienté sans aucune connaissance préalable de la forme textuelle. Dans la première étape, nous estimons les positions possibles des instances de texte en détectant et en reliant des coins, plutôt qu'en déplaçant un ensemble d'ancres par défaut. Les propositions quadrilatérales sont adaptées géométriquement, ce qui permet à notre méthode de gérer diverses proportions et orientations de texte. Dans la deuxième étape, nous concevons une nouvelle couche de regroupement appelée Dual-RoI Pooling (Dual-Region of Interest Pooling) qui intègre l'augmentation de données au sein du sous-réseau régional pour une classification et une régression plus robustes sur ces propositions. Les résultats expérimentaux sur des benchmarks publics confirment que la méthode proposée est capable d'atteindre des performances comparables à celles des méthodes les plus avancées actuellement disponibles. Le code source est disponible publiquement sur https://github.com/xhzdeng/crpn.