2019年中国人工智能大会（Chinese Congress on Artificial Intelligence 2019，简称“CCAI 2019”）将于在9月21日-22日在青岛胶州召开。白翔教授将出席大会并担任人工智能青年论坛共同主席。
白翔，华中科技大学电子信息与通信学院教授，博士生导师，国家防伪工程中心副主任。担任中国计算机学会计算机视觉专委会（CCF-CV）常务委员，中国图像图形学学会理事，同时担任国际期刊编委或客座编辑。主要从事计算机视觉与模式识别，具体包括目标识别、形状分析、自然场景文字识别及智能交通系统等领域的研究。不规则文字检测和识别一直是文字识别方向研究的难点，它在自然场景图像中的文字识别具有重要的应用。白翔教授在不规则文字的识别、定位和检测三个研究方向上有着丰富经验，他将经典算法与深度学习相结合，获得了惊人的效果。
不规则文字识别
工业界中常用的序列识别模型SRN(Sequence Recognition Network)是不能处理文字发生形变或者弯曲的情况，会导致各类识别错误。针对不规则文字识别问题，白翔教授团队提出了ASTER模型，解决的了对于场景里有形变或方向变化的文字识别问题。ASTER是一个简单且实用的方法，就是先将有形变的文字矫正成规则的文字，再使用SRN进行识别。可以认为ASTER的网络由两部分组成，前面部分是空间变换网络STN (Spatial Transform Network)做矫正，后面是SRN网络做识别，形成任务共享。在加入了STN以后，识别器的性能十分有竞争力，在不规则文字测试集上有很大提升。
白翔教授将ASTER算法进行的应用测试，发现该算法对文字定位十分准确，尤其在英文的识别上十分稳定。
不规则文字定位
对于不规则文字定位问题，白翔教授团队设计了一个网络，能完全端到端识别，又同时能检测曲形、直线或者斜角的文字。但检测任务是在图像水平上做处理，识别任务是在文本区域水平做处理，两个任务之间是有一定冲突的，导致在设计网络做这两个任务的时候非常困难，需要很好的预训练能力，预训练后的参数调节也十分困难，网络适用性不好。为了有效的将检测和识别做到特征共享，白翔提出了一个巧妙的方法：用空间换取时间，用字符级别的标注，换取训练上的方便。要获得每一个字符的中心位置，把它也作为一个分割问题去考虑，并在分割的同时得到字符的类别，这个分割问题也变成多分类问题。在英文识别时有阿拉伯数字0-9和字母A-Z共36种不同的类别。每一类都产生相应的字符对应位置，外加一个整体，这样形成一个多任务，可以完全得到特征上的共享。
本算法能把弯曲的文字甚至是其中包含的水平文字，同时得到其位置和包围盒。还有一个有意思的现象是，当把识别的模块删除后可以发现检测的准确率会降低，说明识别模块对检测是有帮助的。
不规则文字检测
针对不规则文字检测问题，白翔教授提出了TextField识别方法，获得了极好的效果。在这个方法中，白翔使用了他在解决骨架检测(Skeleton Detection)问题时提出的DeepFlux算法，用骨架来标定文字的位置。算法对包含文字的图片构建了一个有指向文字内部，也有指向文字外部的“场”，并进行训练。它的好处是可以通过方向性区分相近的文字，并且能更有力地描述文字之间、局部之间的连接关系和局部的对称性关系。如果用FCN解决这个问题，得到的文字连通性较差，有很强的抖动，平滑性差，甚至有些区域是错误的。但是使用的DeepFlux方法，精度和平滑度都非常好，而且可以更好地去描述物体的上下文，时间复杂度也不错。通过这个例子可以看出，将传统的算法与现有的深度学习相结合，可以焕发奇光异彩。
更多精彩内容，详见CCAI 2019官方网站...
网友评论