Un Marco Unificado para la Detección y Reconocimiento de Texto Multiorientado

La semántica de alto nivel embodied en los textos de escena es a la vez rica y clara y, por lo tanto, puede servir como pistas importantes para una amplia gama de aplicaciones de visión, por ejemplo, comprensión de imágenes, indexación de imágenes, búsqueda de videos, geolocalización y navegación automática. En este artículo, presentamos un marco unificado para la detección y reconocimiento de texto en imágenes naturales. Las contribuciones de este documento son tres: 1) la detección y el reconocimiento de texto se llevan a cabo simultáneamente utilizando exactamente las mismas características y esquema de clasificación; 2) a diferencia de los métodos en la literatura, que se centran principalmente en textos horizontales o casi horizontales, el sistema propuesto es capaz de localizar y leer textos de diferentes orientaciones; y 3) se propone un nuevo método de búsqueda en diccionario, para corregir los errores de reconocimiento que generalmente son causados por confusiones entre caracteres similares pero diferentes. Como contribución adicional, se genera y publica una nueva base de datos de imágenes con textos de diferentes escalas, colores, fuentes y orientaciones en diversos escenarios del mundo real. Experimentos extensos en conjuntos de datos estándar así como en la base de datos propuesta demuestran que el sistema propuesto logra un rendimiento altamente competitivo, especialmente en textos multiorientados.