[论文解读] An Anchor-Free Region Proposal Network for Faster R-CNN based Text Detection Approaches

Zhuoyao Zhong, Lei Sun+1 more|arXiv (Cornell University)|Apr 24, 2018

Handwritten Text Recognition Techniques参考文献 15被引用 16

一句话总结

本文提出了一种无锚点区域建议网络（AF-RPN），用于替代Faster R-CNN中的基于锚点的RPN以实现场景文本检测，通过关键点回归直接预测文本实例，从而消除对手动设计锚点的需求。该方法在使用单一ResNet-50主干网络和单尺度测试的情况下，在ICDAR-2013、ICDAR-2015和ICDAR-2017基准上均取得了最先进性能，且在COCO-Text数据集上实现了更高的召回率和更优的检测精度。

ABSTRACT

The anchor mechanism of Faster R-CNN and SSD framework is considered not effective enough to scene text detection, which can be attributed to its IoU based matching criterion between anchors and ground-truth boxes. In order to better enclose scene text instances of various shapes, it requires to design anchors of various scales, aspect ratios and even orientations manually, which makes anchor-based methods sophisticated and inefficient. In this paper, we propose a novel anchor-free region proposal network (AF-RPN) to replace the original anchor-based RPN in the Faster R-CNN framework to address the above problem. Compared with a vanilla RPN and FPN-RPN, AF-RPN can get rid of complicated anchor design and achieve higher recall rate on large-scale COCO-Text dataset. Owing to the high-quality text proposals, our Faster R-CNN based two-stage text detection approach achieves state-of-the-art results on ICDAR-2017 MLT, ICDAR-2015 and ICDAR-2013 text detection benchmarks when using single-scale and single-model (ResNet50) testing only.

研究动机与目标

• 为解决基于锚点的区域建议网络在场景文本检测中的效率低下和复杂性问题。
• 消除对手动设计多种尺度、长宽比和方向锚点的需求。
• 通过用无锚点替代方案替换基于锚点的RPN，提升在场景文本数据集上的召回率和检测精度。
• 在仅使用单一模型和单尺度输入的情况下，实现在标准文本检测基准上的最先进性能。

提出的方法

• 提出一种无锚点区域建议网络（AF-RPN），可直接预测文本实例，无需预定义锚点。
• 采用关键点回归方法预测文本实例的左上角和右下角坐标，实现端到端预测。
• 采用特征金字塔网络（FPN）结构，以增强对不同尺寸文本的多尺度特征表示能力。
• 将Faster R-CNN中基于锚点的匹配准则替换为基于真实框坐标的学习型无锚点回归策略。
• 在Faster R-CNN框架内端到端训练AF-RPN，使用适配关键点回归的标准化RPN损失函数。
• 采用单尺度输入和ResNet-50主干网络，在保持高推理效率的同时实现优异性能。

实验结果

研究问题

• RQ1 无锚点区域建议网络是否能在场景文本检测中超越基于锚点的RPN？
• RQ2 消除手动锚点设计是否能提升在具有挑战性的文本检测基准上的召回率和检测精度？
• RQ3 在无锚点方法下，单模型、单尺度推理设置是否能实现在文本检测中的最先进结果？
• RQ4 与基于锚点的基线方法相比，AF-RPN在具有多样化文本形状和方向的数据集上的表现如何？

主要发现

• 在大规模COCO-Text数据集上，AF-RPN的召回率高于原始RPN和FPN-RPN。
• 仅使用单一ResNet-50模型和单尺度输入，该方法在ICDAR-2017 MLT基准上取得了新的最先进结果。
• 在ICDAR-2015和ICDAR-2013基准上，该方法表现具有竞争力，且在相同评估协议下优于现有基于锚点的方法。
• 无锚点设计消除了对锚点尺度和长宽比等超参数的大量调优需求，简化了模型流程。
• 由于无需生成和匹配锚点，该方法保持了较高的推理效率。