论文介绍
文本检测和识别是现代OCR系统的重要组成部分。大多数OCR方法都试图在检测阶段获得精确的文本边界框，这被用作文本识别阶段的输入。我们观察到，当使用紧密的文本边界框作为输入时，由于边界框和文本识别的深度表示之间的不一致，文本识别器经常无法实现最佳性能。
在本文中，我们提出了Box Adjuster，这是一种基于强化学习的方法，用于调整每个文本边界框的形状，使其与文本识别模型更兼容。此外，当处理跨域问题（如合成到真实）时，所提出的方法显著减少了源域和目标域之间域分布的不匹配。实验表明，当使用调整后的边界框作为训练的基本事实时，端到端文本识别系统的性能可以得到改善。具体而言，在用于场景文本理解的几个基准数据集上，所提出的方法在端到端文本识别任务上的平均F-Score为2.0%，在域自适应任务上的F-Score平均为4.6%，优于最先进的文本识别器。
论文地址
https://arxiv.org/abs/2207.11934
