Soft Attention Mask Embedding

新的SAME-Net框架在场景文本识别方面达到最先进水平

研究人员开发了一种新的端到端场景文本识别框架SAME-Net，它统一了文本检测和识别，而无需字符级标注或单独的文本校正模块。该系统包含一个新颖的软注意力掩码嵌入（SAME）模块，该模块使用Transformer编码器生成精炼的、边界感知的掩码，有效减少背景噪声。这种方法通过可微分反向传播实现检测和识别目标的联合优化。SAME-Net在Total-Text和ICDAR 2015等具有挑战性的数据集上展示了最先进的性能。