TextOCR: Towards large-scale end-to-end reasoning for arbitrary-shaped scene text

Amanpreet Singh, Guan Pang, Mandy Toh, Jing Huang, Wojciech Galuba, Tal Hassner

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

A crucial component for the scene text based reasoning required for TextVQA and TextCaps datasets involve detecting and recognizing text present in the images using an optical character recognition (OCR) system. The current systems are crippled by the unavailability of ground truth text annotations for these datasets as well as lack of scene text detection and recognition datasets on real images disallowing the progress in the field of OCR and evaluation of scene text based reasoning in isolation from OCR systems. In this work, we propose TextOCR, an arbitrary-shaped scene text detection and recognition with 900k annotated words collected on real images from TextVQA dataset. We show that current state-of-the-art text-recognition (OCR) models fail to perform well on TextOCR and that training on TextOCR helps achieve state-of-the-art performance on multiple other OCR datasets as well. We use a TextOCR trained OCR model to create PixelM4C model which can do scene text based reasoning on an image in an end-to-end fashion, allowing us to revisit several design choices to achieve new state-of-the-art performance on TextVQA dataset.

שפה מקוריתאנגלית
כותר פרסום המארחProceedings - 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2021
מוציא לאורIEEE Computer Society
עמודים8798-8808
מספר עמודים11
מסת"ב (אלקטרוני)9781665445092
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 2021
פורסם באופן חיצוניכן
אירוע2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2021 - Virtual, Online, ארצות הברית
משך הזמן: 19 יוני 202125 יוני 2021

סדרות פרסומים

שםProceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition
ISSN (מודפס)1063-6919

כנס

כנס2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2021
מדינה/אזורארצות הברית
עירVirtual, Online
תקופה19/06/2125/06/21

הערה ביבליוגרפית

Publisher Copyright:
© 2021 IEEE.

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'TextOCR: Towards large-scale end-to-end reasoning for arbitrary-shaped scene text'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי