场景文本認識（Scene Text Recognition、略称STR）は、自然場景画像中のテキスト内容の認識を対象とするコンピュータビジョン技術の一種であり、街並み、広告看板、交通標識、商品パッケージなどの複雑な環境においてテキストを自動的に検出・認識することを目的とする。従来のOCRが主にスキャン文書や印刷テキストを処理するのに対し、STRは実世界における照明変化、フォント変化、透視歪み、背景干渉、および不規則なテキスト形態といった問題に対処する必要がある。

場景文本認識の発展は、OCR、テキスト検出、およびシーケンス認識といった技術基盤の上に成り立っている。初期の手法は通常、手作業で設計された特徴量（HOG、SIFTなど）と分類器を組み合わせて文字認識を行っていたが、複雑な自然環境下では汎化能力が限られていた。2015年、華中科技大学の研究チームは論文An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition。においてCRNN（Convolutional Recurrent Neural Network）モデルを提案し、畳み込みニューラルネットワーク（CNN）を画像特徴抽出に、リカレントニューラルネットワーク（RNN）をシーケンスモデリングに使用し、CTC（Connectionist Temporal Classification）と組み合わせてエンドツーエンドのテキスト認識を実現し、場景文本認識分野における重要な研究となった。

STRの核心的な目標は、自然場景中のテキスト画像から対応する文字シーケンスを予測することである。従来の手作業による特徴工学に依存する手法とは異なり、現代のSTRモデルは通常、深層ニューラルネットワークを通じて画像内の文字形態と文脈情報を自動的に学習し、規則的テキストデータセット（IIIT5K、SVT、IC13など）および不規則的テキストデータセット（IC15、SVTP、CUTE80など）のベンチマークタスクで評価される。深層学習と視覚基盤モデルの発展に伴い、場景文本認識はCNN-RNNアーキテクチャからTransformerベースの認識手法へと進化し、さらに視覚言語モデルの能力を融合させることで、複雑なフォント、長文テキスト、低品質画像に対するモデルの理解能力が向上した。現在、STR技術はスマート交通、画像検索、文書分析、ロボットビジョン、視覚支援システムなどの分野で広く応用されており、コンピュータビジョンが実世界のテキスト情報を理解するための重要な技術方向となっている。

[JIALIU_0]