BriefGPT - AI 论文速递
·
EK-Net：基于扩展核距离的实时场景文本检测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种名为Expand Kernel Network (EK-Net)的新方法，通过采用扩展内核距离解决了现有方法中存在的偏差问题，能够实现任意形状文本的精确定位，并在性能和速度之间取得平衡。评估结果表明，EK-Net在ICDAR 2015和CTW1500上的性能优于其他先进方法。
🎯
关键要点
- 提出了一种名为Expand Kernel Network (EK-Net)的新方法。
- EK-Net通过采用扩展内核距离解决了现有方法中的偏差问题。
- EK-Net能够实现任意形状文本的精确定位。
- EK-Net在性能和速度之间取得了平衡。
- 评估结果显示，EK-Net在ICDAR 2015上的F-measure为85.72%，速度为35.42 FPS。
- 在CTW1500上，EK-Net的F-measure为85.75%，速度为40.13 FPS。
➡️
