今日 Paper | 高效骨干搜索；學習擴充；最小人臉檢測器；?DEPARA等

本文作者： AI研習社

2020-04-01 11:19

導語：為了更好地服務廣大 AI 青年，AI 研習社正式推出全新「論文」版塊。

用于場景文本識別的高效骨干搜索

論文名稱：Efficient Backbone Search for Scene Text Recognition

作者：Zhang Hui /Yao Quanming /Yang Mingkun /Xu Yongchao /Bai Xiang

發(fā)表時間：2020/3/14

論文鏈接：https://paper.yanxishe.com/review/14658?from=leiphonecolumn_paperreview0401

推薦原因

這篇論文要解決的是場景文本識別(Scene Text Recognition, STR)的問題。過去的研究更加重視通過改進預處理圖像模塊來提高性能，比如校正和去模糊，或者序列轉換器。然而，另一個關鍵模塊，即特征序列提取器，還沒有得到廣泛的研究。這篇論文提出了一個自動化場景文本識別(AutoSTR)方法來搜索依賴于數(shù)據(jù)的主干模型，以提高文本識別性能。首先，新方法為STR設計了一個特定于域的搜索空間，其中包含了各種運算的選擇和下采樣路徑的約束。然后，新方法使用了一個兩步搜索算法，它解耦了操作和下采樣路徑，可以在給定的空間中進行有效的搜索。實驗表明，通過搜索依賴于數(shù)據(jù)的主干，AutoSTR可以在更少錯誤和模型參數(shù)的情況下，在標準基準數(shù)據(jù)集上超越最先進的方法。

學習擴充：用于文本識別的聯(lián)合數(shù)據(jù)增強和網(wǎng)絡優(yōu)化

論文名稱：Learn to Augment: Joint Data Augmentation and Network Optimization for Text Recognition

作者：Luo Canjie /Zhu Yuanzhi /Jin Lianwen /Wang Yongpan

發(fā)表時間：2020/3/14

論文鏈接：https://paper.yanxishe.com/review/14657?from=leiphonecolumn_paperreview0401

推薦原因

這篇論文被CVPR 2020接收，要解決的是文本識別問題。

這篇論文提出了一種新的文本圖像數(shù)據(jù)增強方法。與傳統(tǒng)增強方法（例如旋轉、縮放和透視變換）不同，新方法旨在掌握適當而高效的數(shù)據(jù)增強方法，對于訓練健壯的識別器更有效而具體。新方法通過使用一組自定義基準點變得靈活而可控，并通過聯(lián)合學習彌合了孤立數(shù)據(jù)增強過程與網(wǎng)絡優(yōu)化之間的鴻溝。代理網(wǎng)絡從識別網(wǎng)絡的輸出中學習并控制基準點，從而為識別網(wǎng)絡生成更合適的訓練樣本。在包括常規(guī)場景文本、不規(guī)則場景文本、手寫文本在內(nèi)的各種基準上進行的大量實驗表明，這篇論文提出的增強方法和聯(lián)合學習策略顯著提高了識別網(wǎng)絡的性能。

KPNet：最小人臉檢測器

論文名稱：KPNet: Towards Minimal Face Detector

作者：Song Guanglu /Liu Yu /Zang Yuhang /Wang Xiaogang /Leng Biao /Yuan Qingsheng

發(fā)表時間：2020/3/17

論文鏈接：https://paper.yanxishe.com/review/14656?from=leiphonecolumn_paperreview0401

推薦原因

這篇論文發(fā)表于AAAI 2020，考慮的是人臉檢測的問題。

這篇論文發(fā)現(xiàn)臉部外觀特征具有足夠的判別力，用微型淺層神經(jīng)網(wǎng)絡也可以從背景中進行檢測。與大多數(shù)自上而下聯(lián)合面部檢測和對齊方法不同，所提KPNet以自下而上的方式檢測較小的面部關鍵點，而非整個面部。KPNet首先通過精心設計的細粒度比例逼近和比例自適應Soft-argmax運算符從低分辨率圖像預測面部界標。無需任何復雜的頭部架構或精心的網(wǎng)絡設計，KPNet只需約1M參數(shù)即可實現(xiàn)通用人臉檢測和對齊基準的當前最佳準確率，在GPU上的運行速度為1000fps，且易于在大多數(shù)前端芯片上實時執(zhí)行。

DEPARA:深度知識可遷移性的深度屬性圖

論文名稱：DEPARA: Deep Attribution Graph for Deep Knowledge Transferability

作者：Song Jie /Chen Yixin /Ye Jingwen /Wang Xinchao /Shen Chengchao /Mao Feng /Song Mingli

發(fā)表時間：2020/3/17

論文鏈接：https://paper.yanxishe.com/review/14655?from=leiphonecolumn_paperreview0401

推薦原因

這篇論文被CVPR 2020接收，提出了名為DEPARA的深度屬性圖模型，以研究從預訓練的深度神經(jīng)網(wǎng)絡（PRe-trained Deep Neural Networks，PR-DNN）中獲得的知識的可遷移性。在DEPARA中，節(jié)點對應于輸入，并由它們在PR-DNN的輸出的向量化屬性圖表示。邊表示輸入之間的相關性，并通過從PR-DNN中提取的特征相似度來衡量。兩個PR-DNN的知識可遷移性是通過它們對應的DEPARA的相似性來衡量的。這篇論文將DEPARA應用于遷移學習中的預訓練模型選擇和層選擇問題，并通過大量實驗證明所提方法在解決這兩個問題上的有效性和優(yōu)越性。

用于任意形狀文本檢測的深度關系推理圖網(wǎng)絡

論文名稱：Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection

作者：Zhang Shi-Xue /Zhu Xiaobin /Hou Jie-Bo /Liu Chang /Yang Chun /Wang Hongfa /Yin Xu-Cheng

發(fā)表時間：2020/3/17

論文鏈接：https://paper.yanxishe.com/review/14654?from=leiphonecolumn_paperreview0401

推薦原因

這篇論文已經(jīng)被CVPR 2020接收，要解決的是任意形狀的文本檢測。

這篇論文提出了一種用于任意形狀文本檢測的新統(tǒng)一關系推理圖網(wǎng)絡。在該方法中，局部圖通過卷積神經(jīng)網(wǎng)絡橋接了文本提議模型，并通過圖卷積網(wǎng)絡跨越深度關系推理網(wǎng)絡，從而使所提網(wǎng)絡端到端可訓練。具體而言，每個文本實例將被分成一系列小的矩形組件，并且這些小組件的幾何屬性（如高度、寬度和方向）將由文本提案模型估算。給定幾何屬性，本地圖構造模型可以大致建立不同文本組件之間的鏈接。為進一步推理并推論組件與其鄰居之間鏈接的可能性，這篇論文采用基于圖的網(wǎng)絡對局部圖執(zhí)行深度關系推理。公開數(shù)據(jù)集上的實驗證明了所提方法具有當前最佳性能。