TextFuseNet: 풍부한 융합 특성을 이용한 장면 텍스트 탐지

자연 장면에서의 임의 형태 텍스트 탐지는 매우 도전적인 작업입니다. 제한된 특징 표현에 기반하여 텍스트를 인식하는 기존의 텍스트 탐지 접근법과 달리, 우리는 텍스트 탐지를 위해 융합된 풍부한 특성을 활용하는 새로운 프레임워크, 즉 TextFuseNet을 제안합니다. 보다 구체적으로, 우리는 문자 수준, 단어 수준 및 글로벌 수준의 세 가지 특징 표현에서 텍스트를 인식할 것을 제안하고, 강력한 임의 텍스트 탐지를 달성하는 데 도움을 주기 위해 새로운 텍스트 표현 융합 기술을 도입합니다. 다중 수준 특징 표현은 텍스트를 개별 문자로 분리하면서도 그들의 일반적인 의미를 유지하여 텍스트를 적절히 설명할 수 있습니다. 이후 TextFuseNet은 다중 경로 융합 아키텍처를 사용하여 서로 다른 수준에서 텍스트의 특징을 수집하고 병합하여 서로 다른 표현을 효과적으로 정렬하고 융합할 수 있습니다. 실제로, 우리가 제안한 TextFuseNet은 임의 형태의 텍스트를 보다 적절하게 설명할 수 있으며, 허위 긍정 결과를 억제하고 더욱 정확한 탐지 결과를 생성합니다. 또한, 우리의 프레임워크는 문자 수준 주석이 부족한 데이터셋에 대해 약한 감독으로 훈련될 수 있습니다. 여러 데이터셋에 대한 실험에서 제안된 TextFuseNet은 최첨단 성능을 달성합니다. 구체적으로, 우리는 ICDAR2013에서 94.3%, ICDAR2015에서 92.1%, Total-Text에서 87.1%, CTW-1500에서 86.6%의 F-측정을 달성하였습니다.